Lec 01: 기본적인 Machine Learning 의 용어와 개념 설명

Deep_Learning study Lec01 (TensorFlow)

Boostcourse의 ‘텐서플로우로 시작하는 딥러닝 기초’를 통한 공부와 정리 Post

Goal of Study

• 기본적인 머신러닝(Machine Learning)의 용어와 개념에 대해 알아본다.

Keyword

• 머신러닝(Machine Learning)
• 지도학습(Supervised Learning) / 비지도학습(Unsupervised Learning)

1. 강의 요약

What is ML(Machine Learning)?

일종의 소프트웨어(프로그램)이다.

굉장히 좋은 프로그램들이 많지만, 어떠한 경우에서는 너무 많은 규칙을 가지고 있는 경우(자율주행, 움직임 추정, 번역 등)가 있기에 개발자의 입장에서 이 모든 경우를 다루기는 쉽지 않을 수 있다.

그래서 이를 모두 프로그래밍하는 것이 아닌(개발자가 모든 경우의 수, 예외를 정해주지 않는다) 프로그램 자체가 데이터를 통해 학습하는 능력을 갖는 것을 ‘머신러닝’이라 한다.

What is Learning?

학습하는 방법에 따라 아래의 두 가지 경우로 나뉜다.

• Supervised Learning:

Supervise -> 감독하다.
말 그대로 정해져 있는(정답이 있는) 데이터를 가지고 학습하는 방법.
Learning with labled examples - training set

그 예시로는 개와 고양이를 분류한다고 했을 때 사전에 고양이 사진과 강아지 사진을 명시적으로 제공하며, 이를 통해 학습한다. 이 때, 이러한 방식을 Supervised Learning 이라고 한다.

• Unsupervised Learning:
  => 비지도학습

레이블을 정해주기 어려운 경우라면 un-labeled data를 통해 모든 데이터를 학습하여 유사한 점들을 군집화 해주거나 관계등을 스스로 학습할 수 있다. 이렇게 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하는 방법을 비지도학습 이라고 한다.

Training Data Set

Lable(Y)을 가지고 학습을 하면 모델이 생성된다. 이를 통해, 모르는 데이터인 X를 분류해주는 것이 일반적인 supervised 머신러닝의 예이다. 이 과정을 Training Set이라고 한다.
위 개념에 대한 고찰 : 그렇다면 머신러닝을 아직 실제 구현을 통해 접해보지는 않았지만, 아마도 머신러닝이라는 과정은 이 Data Set의 품질이 굉장히 중요할 것이라 예상된다.

• AlphaGo

알파고의 경우도 바둑 대국의 기보들(Training Data Set)을 모두 학습하여 새로운 경우(새로운 대국)에서 학습한 데이터 모델을 기반으로 대국을 진행한다(Supervised Learning).

Types of supervised learning

• Regression
  => 회귀

데이터들의 특징을 기준으로, 어떠한 값들의 패턴(시험 점수)나 그 경향, 트렌드 등을 예측할 때 사용된다. 그렇기에 어떤 수나 실수 형태로 예측될 수 있다.

ex) 시간(데이터의 특징, 분류기준)에 따른 점수의 경향(주어진 데이터)을 학습하여 시간을 대입하면 점수를 예측할 수 있다.

• Pass/non-pass

1, 0 / 패스, 논패스로 분류한다.

• Letter Grade

이 또한, 주어진 등급들에 따라 분류한다.(Multi-lable classification)