0. About Machine Learning
Machine Learning
복잡한 세상을 숫자로서 표현하며 '통계'의 등장+컴퓨터의 등장으로 단순 계산으로부터의 해방
앞으로 모든 기업의 경영 전략 수립시 의사결정(비교와 선택)의 기준이 되어줄 것
정의
Tom Mitchell Carnegie Mellon University
"Learn from experience(E) with respect to some task(T) and some performance measure(P), if it's performance on T, as measured by P, improves with experience E."
<경험(E)으로부터 학습하여 일(T)에 대한 성능(P)을 올리는 것이 머신러닝>
...데이터를 기계를 학습시키면 성능이 올라가는 것
Andrew Ng
"Machine Learning is the science of getting computers to learn, without being explicitly programmed"
Learning
여러 경험을 통해 패턴을 얻어내고 다음 행동에 영향을 주는 것
Machine Learning
1. 지도 학습 Supervised Learning
정답(Label)이 정해진 데이터를 입력해 함수(규칙)를 찾도록 학습
input과 output의 관계를 나타내는 가중치(w)와 bias(b)를 구하기
Classification(분류), Regression(회귀,예측)
2. 비지도 학습 Unsupervised Learning
정답(Label)이 정해져 있지 않은 데이터로 학습 -> Clustering(그룹화)
3. 강화 학습 Reinforcement Learning
행동 후 좋은 행동이었는지 인간이 제공한 기준에 의해 평가
시뮬레이션으로 학습하여 행동패턴 학습
규칙이 정해져 있거나 평가기준이 명확한 문제에 적합
알파고, 자율주행(웨이모,테슬라)
*신경망 학습 Neural Networks -> Deep Learning : 인공신경망 모델 구조를 사용하여 머신러닝하는 것
논리게이트 : 입력과 출력이 있는 구조로 뉴런이 여러 자극을 받아 하나의 활동전위로 자극을 전달하듯
퍼셉트론 : 여러 입력을 받아 각각의 가중치를 반영하여 하나의 출력값을 도출
2층 이상의 Hidden Layer가 있는 네트워크를 통해 학습하면 Deep learning이라고 한다.(DNN)
parameter(w,b)를 구할 수 있는 대규모 데이터가 필요
규칙성or패턴이 없는 데이터라면 무의미함
구조적으로 문제를 푸는 것
인공지능의 학습법 : 머신러닝, 딥러닝