머신러닝 야학 2기
https://opentutorials.org/course/4548 생활코딩 - 머신러닝 코스
머신러닝 야학
생활코딩에서 주최하는 야학에 참가하게됐습니다. https://ml.yah.ac/ 일정은 2021.1.4 : 개강 ~ 2021.1.15 : 종강 총 10일 동안 진행되는 야학입니다
학습 커리큘럼
머신러닝에 대해 알고는 있지만 다시 한번 상기시킬겸 머신러닝1 수업을 듣고, 텐서플로우( python )을 들을 계획이다.
사진
머신러닝 정리
기계 학습 ( machine learning )은 지도 학습, 비지도 학습 , 강화 학습으로 크게 3가지로 나눌 수 있습니다. 사진 1. 과거의 데이터로 부터 학습하여 결과를 예측하는 방법 2. 데이터는 원인인 독립 변수와 결과인 종속 변수로 이루어져 있어야 합니다.
1. 지도 학습
지도 학습은 분류와 회귀로 나뉘어집니다.
회귀 regression
예측하고 싶은 종속변수가 숫자일 때 보통 회귀라는 머신러닝의 방법을 사용합니다.
분류 classification
예측하고 싶은 결과가 이름 혹은 문자일 때 보통 분류라는 머신러닝의 방법을 사용합니다.
2. 비지도 학습
군집화 clustering
비슷한 것들을 찾아서 그룹을 만드는 일
1.분류는 군집화된 대상이 어떤 그룹인지 판단하는 역활
2.군집화는 그룹을 만드는 역활 (분류와 군집화를 헷갈리지 말 것)
연관 association
객체들의 연관성을 파악해주는 일 ( 영화추천, 음식추천, 추천서비스… ) 데이터를 보고 원인과 결과 또는 위에서 언급한 독립변수와 종속변수와의 관계를 파악해준다.
변환 transform
변환은 데이터를 새롭게 표현해 원래 데이터보다 더 쉽게 사용자가 볼 수 있게 도와주는 기법입니다. 데이터의 차원 축소, 데이터셋의 시각화가 대표적인 사례입니다. 또한 데이터를 구성하는 단위나 성분을 찾는 역활도 합니다. 텍스트 문서에서 주제를 추출하는 것이 그 사례입니다. (까치밥으로 남겨주신 변환^^)
비지도 학습 vs 지도 학습
두 학습의 가장 큰 차이점은 데이터와 결과 값에 있다.
1. 비지도 학습 : 데이터만 있으면 된다 -> 데이터를 군집화, 또는 상관관계를 파악한다. (데이터의 성질 파악)
2. 지도 학습 : 원인과 결과가 있어야한다 -> 데이터의 인과관계를 통해 원인이 들어오면 결과를 파악한다.
3. 강화 학습
지도학습의 배움(데이터)를 통해서 결과값을 도출하는 방법이라면 지식의 깊이는 데이터의 양이 될 것 입니다. 하지만 강화학습의 배움은 경험을 통해서 쌓이고 경험을 축적하여 판단력( 결과값 도출력)을 키우는 것 입니다.
판단력이 처음에는 당연히 낮을 것 이지만 경험이 쌓이고 판단력이 좋아지면 계속해서 더 좋은 결과값을 도출할 것입니다.
어떠한 결과값을 위해 경험하여 판단력을 키워가는 과정을 반복하는 것을 강화 학습이라고 합니다.
필요한 머신러닝 기술 찾는 법
아래 사진을 통해서 필요한 기술을 찾을 수 있다.
사진
위 내용은 생활코딩에서 만든 머신러닝 1을 정리한 내용입니다. 비전공자가 AI에 관심을 갖고 입문하고 싶을 때 들으면 좋을꺼같은 강의입니다. (강의해주는 분 목소리 좋음)