기본적인 Machine Learning 의 용어와 개념 설명 [01]

❔ 머신러닝

explicit programming 이라고도 한다. 1995년 사무엘(Arthur Samuel)에 의해 최초로 정의되었다.
프로그램인데, 이것을 개발자가 일일이 어떻게 하는지를 정하지 않고, 이 프로그램 자체가 어떤 데이터를 보고 스스로 학습해서 뭔가를 배우는 능력을 갖는 프로그램을 머신러닝이라고 한다.

학습

머시러닝에서 프로그램이 학습을 하게 위해서는 어떤 데이터를 미리 주어져야 되는데,
학습을 하는 방법에 따라서 Supervised learning(지도 학습), Unsupervised learning(비지도 학습) 두가지로 나누어 진다.

1.Supervised learning(지도 학습)

❔ Supervised learning(지도학습)

어떤 하나의 정해져 있는 데이터를 가지고 학습을 하는 것을 말한다.
기존의 데이터를 가지고 새로운 데이터에 대한 특징을 추론하는것을 목표로 한다.

Labeling(레이블링)❔

이미지, 영상 ,텍스트 등의 데이터에 사람이 데이터 가공 도구를 활용해, 인공지능이 학습할 수 있도록 다양한 정보를 목적에 맞게 입력하는것을 말한다.

Supervised learning(지도학습)의 예

• 고양이, 강아지 이미지 등 라벨링 된 이미지 traing set을 이용해 학습한다.
• Image Labeling
• Email spam filter - 이미 있는 이메일 가운데, 이런 메일은 스펨메일이고, 이런 메일은 스펨이 아니라고 레이블 되어있는것을 학습을 통해, 스펨메일인지 아닌지 구별해낸다.
• Predicting exam score - 시험 성적이 얼마가 나왔는데, 그 사람의 시험 준비 시간이 어느정도인지 데이터를 가지고 학습을 해서 시험 점수를 예측한다.

2.Unsupervised learning(비지도 학습)

❔ Unsupervised learning(비지도 학습)

지도 학습과 다르게 학습에 사용하는 데이터 레이블이 부여되지 않는다.
주어진 데이터들이 어떻게 구성되었는지 분석하는것을 목표로 한다.

Unsupervised learning(비지도학습)의 예

• Google news grouping - 자동적으로 유사한 뉴스들을 묶어준다.
• Word cludtering - 유사한 단어끼리 묶어준다.