머신러닝 야학 2일차

🤖 나도 이제 프로그래머

• 애플리케이션(application)
  • 어떤 기능을 부품으로 사용해서 만든 완제품
  • 부품을 응용한 것
  • 머신러닝머신
    • 머신러닝의 모델이라는 부품을 응용해서 만든 소프트웨어
    • 머신러닝 애플리케이션

• 부품을 잘 활용하면 부품의 원리를 몰라도 그 능력을 이용할 수 있다

• 프로그램(Program)
  • 시간과 순서의 의미를 내포
  • 시간의 순서에 따라 동작(실행)하는 것
  • 기계가 해야 할 일을 기계가 알아들을 수 있는 방식으로 순서대로 적은 것
  • 프로그래밍(Programming)
  • 프로그래머(Programmer)

• 기계가 해야 할 일
  • 수백 만 개의 작은 작업을 순서대로 하기
  • 작업이 누락되면 안 됨
  • 순서가 달라지면 안 됨
  • 하루에 수십 번씩 매일 해야 하는 일
  • 모든 사람이 하는 일
  • 각각의 작업들이 언제 끝날지 예측하기 어려움
  • 실수하면 큰일나지만 실수하기 쉬움

🤖 모르면 마법, 알면 기술

• 사물 인터넷(IoT, Internet of Things)
  • 인터넷으로 사물을 제어하는 것
  • 코딩 + 네트워크 + 전자공학 + 기계공학 + 데이터

• 엔지니어는 마법사
  • 원격으로 사물을 제어할 수 있는 사람들

• 머신러닝
  • 머신러닝을 도입하면 어떤 기능을 실행할 것인가를 장치 스스로 판단할 수 있다
  • 절차
    • 장치에 연결된 여러 센서들을 통해 데이터를 수집
    • 머신러닝 모델이 수집된 데이터의 의미를 파악
    • 판단 결과에 따른 여러 가지 결정을 기계 스스로 할 수 있다

• 우리가 할 수 있는 일 = 상상과 계획하기
  
  • 온도에 따른 레몬의 판매량 예측
  • 기술적인 한계를 고려하지 말 것!!!
  • 공학도X >> 작가
  • 인생의 아이디어를 찾자!!

• 다른 사람들의 계획 구경하기
• 나의 계획 작성하기

🤖 직업의 시작

• 머신러닝
  • 현실을 데이터로 표현하는 방법
  • 컴퓨터의 힘을 빌려 데이터를 처리한다

• 현실을 데이터화 하기
  • 복잡한 현실에서 관심사만 뽑아서 단순한 데이터로 만들기
  • 단순해진 데이터로부터 통찰 발견하기

• 데이터 산업
  • 데이터를 통해 현실을 변화시키는 일을 하는 것
  • 데이터 과학(Data Science)
    • 데이터 만들기
    • 만들어진 데이터 이용하기
  • 데이터 공학(Data Engineering)
    • 데이터를 다루는 도구 만들기
    • 도구 관리하기
  • 데이터 과학과 공학은 하나
    • 한쪽이 없으면 다른 한쪽이 존재할 수 없다

🤖 표

• 표를 통해 데이터를 정리정돈 할 수 있다

• 엑셀이나 데이터베이스 활용
  • 컴퓨터가 지닌 엄청난 저장 용량과 처리 속도를 이용해서 강력한 표 로봇을 만들 수 있다

• 머신러닝 투입
  • 기계도 인간의 통찰력을 발휘할 수 있다

• 표 = 데이터의 집합
  • 표 = dataset

• 표의 기본 구조
  
  • 행(row)
  • 열(column)

🤖 독립 변수와 종속 변수

• 변수(variable)
  • 변할 수 있는 것
    
  • 온도의 값이 달라진다
    • 열(column) >> 온도 >> 변수

• 독립 변수 vs. 종속 변수
  • 표를 볼 때, 가장 먼저 떠올라야 하는 것
  • 독립 변수
    • 원인이 되는 열
  • 종속 변수
    • 결과가 되는 열
  • 예시
    • '온도가 20도일 때 40잔이 팔렸다'
    • 원인: 온도
    • 결과: 판매량

• 상관 관계
  • 상관 있는 특성들이 지닌 징후
    • 한쪽 값이 바뀌었을 때 다른 쪽의 값도 바뀐다
    • 서로 관련이 있다고 추측
  • 온도와 판매량은 서로 상관 관계가 있다
    • 온도와 판매량이 같이 변한다

• 인과 관계
  • 상관 관계보다 더 미묘한 관계
    
  • 원인과 결과가 분명하다

• 상관 관계는 인과 관계를 포함하는 개념

• 특성들 사이의 관계를 파악하는 것은 매우 어렵다!
  • 조심스럽게 접근해야 한다
  • 적은 수의 데이터로 속단하면 안 된다!
  • 상관 관계를 인과 관계라 단정하면 안 된다!
  • 실전에서는 매우 엄격한 기준을 사용
  • 다양한 통계 기법 필요

• 기획서 제출하기
• 기획서 구경하기

🤖 심리전

• 머신러닝의 세계는 방대하다
  • 방대한 세계로 입문하기 위한 고도의 심리전 필요

• 새로 산 스마트폰 vs. 머신러닝의 학습
  • 둘 다 문제를 해결하기 위한 도구
  • 같은 대상이라도 도구로 생각하는 것과 공부거리로 생각하는 것은 큰 차이

• 좋은 마음가짐
  • 새로 산 스마트폰의 기능들처럼 머신러닝의 여러 기능들을 바라보자!!
  • 필요한 순간에 공부하고 현재는 어떤 분야가 있는지 구경만 해보자!!
  • 자신이 없다면 능동적으로 유보하는 선택이 훨씬 바람직하다

• 뇌의 명령
  • 학습을 그만 두고 싶은 마음은 이 정도 공부면 충분하다는 뇌의 명령
  • 행동의 경제성을 판단하는 고도로 정교한 모델을 내장하고 있는 뇌
  • 따라서 공부가 막막하고 지루하다면 뇌가 경제성이 없다고 판단한 것
  • 뇌의 말을 경청하자!!

출처: 생활코딩 - 머신러닝 야학