Machine Learning 개요

AI(artificial Intelligence) 인공지능

→ 사람의 사고능력을 구현한 프로그램

• Strong AI

  사람과 구별할 수 없는 정도의 강한 AI.

  전자기적 방식으로 사고하므로 생화학적 방식으로 사고하는 사람보다 100만배정도 사고속도가 빠르다.

  만드는 방법조차 모른다

• Weak AI

  특정 영역에서 잘 동작하는 AI

  ex. 챗봇, 자율주행, 검색

기존 프로그램 방식

rule based programming | explicit programming

어떠한 조건, 알고리즘에 따라 수행되는 프로그램 방식

이 방식으로는 조건이 너무 많을 때 문제를 해결하는 것이 쉽지 않음

Machince Learning

AI를 구현하기 위한 하나의 방법론이다.

데이터를 기반으로 특성과 패턴을 파악하여 모델이라는 결과를 만들고, 모델을 이용하여 새로운 데이터에 대한 예측을 진행한다.

Type

• supervised learning 지도학습

  학습에 들어가는 데이터에 입력값과 그 정답(label)도 같이 주어지는 경우

  • Regression 회귀 : 예측값이 연속적인 수치값으로 나오는 경우
  • Classification 분류 : 예측값이 어느 분류에 속하는가로 나오는 경우

• unsupervised learning 비지도학습

  입력 데이터만 주어지는 경우. 그 데이터에 대한 정답 label이 주어지지 않음.

  • Clustering 군집화 : 유사한 특성을 가지는 데이터끼리 군집을 만듦

• semisupervised learning 준지도학습

  비지도학습과 지도학습이 혼용된 경우. 어떠한 데이터는 레이블이 있고 어떠한 데이터는 레이블이 없는 경우.

  대표적으로 google photo가 여기에 속한다.

• reinforcement learning 강화학습

  action, reward 개념을 이용한 학습

  학습을 하면서 reward를 주고 더 많은 reward를 받을 수 있는 policy를 택하는 방식으로 학습이 진행.

머신러닝이 잘 수행되려면

1. 데이터가 많아야 하고

2. 데이터가 양질의 데이터여야 한다.

Machine Learning의 기법

• Regression

• SVM (support vector machine)

• Decision Tree, Random Forest

• Naive Bayes

• KNN(K-Nearest Neighbor)

• Neural Network

• Clustering(K-Means, DBscan)

• Reinforcement Learning