Lec 01 Machine Leaning

What is ML?

explicit programming

개발자가 일일이 조건을 맞추어 프로그래밍 하는것입니다. 단순한 logic을 가지고 프로그램을 개발하는 것은 너무나 많은 logic이 필요하기 때문에 설정하기 힘듭니다.

Machine learning

컴퓨터에게 명시적 프로그래밍 없이 학습할 수 있는 능력을 주는 연구 분야를 의미합니다. 즉, 주어진 데이터를 이용해 컴퓨터가 스스로 학습을 합니다. logic을 만들어 내는 것이 아니라 프로그램이 데이터를 기반으로 학습을 하여 Logic을 구현하게 합니다.

Supervised/Unsupervised leaning

Learning

학습이란 말 그대로 배우는 것을 의미합니다. 프로그램이 스스로 배울 수 있도록 해서 스스로 더 발전되도록 하는것입니다.

Supervised learning

분류된 Data들을 사용해서 학습을 하게 하는 것을 말합니다. 이러한 분류된(Labeled) Data는 Training Data Set이라고 부릅니다. Supervised Learning에서 Training Data Set을 사용하여 먼저 학습을 완료한 모델에 입력 데이터를 넣어 결과를 도출합니다. Superviesed learning을 사용하는 가장 일반적인 문제들로 Image Labeling, Email Spam Filter, Predicting Exam Score등이 있습니다.

Unsupervised learning

분류되지 않은 즉 UnLabeled Data를 이용한 학습 방법입니다. 프로그램은 데이터를 보고 스스로 학습하게 됩니다.

Supervised Leaning

Training data set

라벨을 가진 Y 그의 특징을 가진 X를 가지고 ML를 학습을 진행하게됩니다. 이러한 데이터들의 집합을 Training data set이라고 합니다. Trainin data set으로 학습을 통해 나오는 결과물은 모델입니다. 이 후 이 모델을 통해 답을 유추하게 됩니다. 보통은 모델을 test data set을 이용하여 테스트를 하여 평가 합니다.

Types of supervised learning

숫자 형태로 예측하는 것을 prediction이라고 합니다. 카테고리별로 예측을 하게되는 것을 classification이라고 합니다.

• regression : 0~100의 범위를 도출
• binary classification : Pass/non-pass based on time spent
• multi-label classification : ABCD등의 여러 등급을 가지고 분류

---

 

모두를 위한 머신러닝/딥러닝 강의