인공지능
머신러닝
정의: 인간의 판단력을 기계에게 부여하는 기술. 따라서 기계가 스스로 판단하여, 여러 결정을 하게 해 준다.
기계의 판단력을 모델(Model): 이라하며, 이 모델을 만드는 과정을 학습 이라 한다.
즉, 학습이 잘 되야 좋은 모델이 나오고, 좋은 모델이어야 추측, 정확한 결정을 내릴 수 있다.
티처블머신, https://teachablemachine.withgoogle.com/ 에서 기계를 학습시켜봤다!
손톱을 무는 이미지와 정상인 이미지를 업로드해서 손톱을 무는 것인지 정상인 것인지 판독을 하는 기계다. 웹캡으로 찍었을 때 손톱을 물고 있지 않으면 "정상" 이라고 나타내고, 손톱을 물고 있으면 "손톱" 이라 나타내었다.
머신러닝 종류
지도학습(Supervised Learning)
데이터로 컴퓨터를 학습시켜서 모델을 만드는 방식.
즉, 강아지를 판독하려는 기게를 만들려고 할 때 강아지 이미지사진을 학습시키고, 강아지가 아닌 고양이, 사자, etc 사진을 학습시킨다. 새로운 이미지가 들어오면, 학습된 데이터를 가지고 판독한다.
역사적이며, 과거의 원인과 결과를 바탕으로 결과를 모르는 원인이 발생했을 때 그것이 어떠한 결과를 나타낼지 추측한다.
결론: 정답이 있는 문제를 해결 하는 것
목적: 과거의 데이터로부터 학습해서 결과를 예측하는 것
종류
1. 회귀(Regression)
종속변수가 양적 데이터라면은 회귀를 사용한다.
2. 분류(Classficiation)
종속변수가 범주형 데이터라면은 분류를 사용한다.
한 대상이 어떤 그룹에 속하는지를 판단하는 것.
비지도학습(Unsupervised Learning)
정답을 알려주지 않고 대상에 대한 관찰을 통해 기계가 새로운 의마나 관계를 밝혀내게 하는것. 즉, 예리한 관찰력으로 데이터를 꿰뚫어 보는 통찰력을 기계에 부여하는 것.
탐험적이며, 독립변수, 종속변수 상관하지 않고 데이터만 있으면 된다.
결론: 통찰을 통해 새로운 의미나 관계를 밝혀내는 것
목적: 비지도 학습은 예측이 목적이 아니라, 데이터의 구성 또는 특징을 밝히는 목적
종류:
1. 군집화(Clustering)
관측치를 그룹화 하는 것을 군집화
2. 변환(Transformation)
3. 연관(Assosication)
특성을 그룹화 하는 것을 연관규칙
강화학습(Reinforcement Learning)
데이터로 컴퓨터를 학습시켜서 모델을 만드는 방식.
지도학습(Superivsed Learning)와 차이점은 어떻게 하면 더 좋은 결과를 낼 수 있는지를 기계가 스스로 찾는 방식.
일단 해보면서, 경험을 통해 실력을 키워나가는 것. 그 결과가 자신에게 유리한 것이었다면 상을 받고 불리한 것이라면 벌을 받는 것이다.
결론: 더 좋은 방식을 받기 위해서 수련하는 것
