<<<머신러닝>>> 인공지능과 머신러닝의 개념

**인공지능(Artificial Intelligence, AI)

• 머신러닝과 딥러닝을 포괄하는 종합적인 분야
• 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 연구하는 기술 또는 과학

 

 

 

 

• 손으로 쓴 숫자 “8”을 컴퓨터가 인식하게 하려면 어떤 코드(규칙)가 필요할까?
• "구멍이 2개이고 중간 부분이 홀쭉하며, 맨 위와 아래가 둥근 모양이 라면 8이다…"
• 많은 규칙이 필요하고, 유지보수가 어려움
• 이를 대체하기 위한 새로운 방법인 머신러닝이 등장

 

 

**머신러닝(Machine Learning)

• 데이터로부터 규칙을 학습하여 정답을 예측 할 수 있도록 하는 알고리즘을 개발하는 연구 분야

 

 

 

 

**머신러닝 종류 

• 지도학습
  • 모델에 주입하는 데이터에 입력값(특성)과 출력값(정답)을 같이 넣어 학습시키는 방식
  • 분류(Classification)
    • binary, multi-class , multi-label
  • 회귀(Regression)
• 비지도학습
  • 정답이 없는 데이터를 학습하는 방식
  • 군집화(Clustering) , 차원축소(Dimensionality reduction) , 연관규칙(Association rule learning)

 

**머신러닝 작동방식

• 손실을 최소화하는 모델의 매개변수(parameter)를 찾는다.

 

 

 

 

머신러닝 워크플로우(Workflow) 

 

 

 

 

머신러닝 기본용어

• Feature, 독립변수, 설명변수
  • 학습데이터의 특성
• class, label , target , 종속변수
  • 정답데이터
• Parameter
  • 모델이 학습과정에서 업데이트하는 파라미터
• Hyper parameter
  • 사용자가 직접 세팅해주는 파라미터
• Loss, 손실
  • 정답값과 예측값의 오차를 표현하는 지표
• Metric , 평가지표
  • 모델의 성능을 평가할 때 사용하는 지표