💠 머신러닝 기초 개념 💠

 

 

 

 

1.  인공지능 vs 머신러닝 vs 딥러닝

    

 

       1-1.  각각의 상관관계와 정의

 

 

인공지능 :  인간의 지적 능력을 컴퓨터를 통해 구현한 기술       

머신러닝 : 데이터를 기반으로 스스로 패턴을 학습하고 결과를 예측하는 알고리즘 기법

딥러닝 :  머신러닝 알고리즘 중 하나로 인간의 뉴런을 모방한 인공신경망을 기반으로 한 방법

 

딥러닝과 머신러닝의 가장 큰 차이점은 사람의 개입 여부에 있다

머신러닝의 경우 사람이 개입해 입력된 데이터에 대한 특징을 추출하여 기계에게 학습시킨다

반면 딥러닝의 경우 인공신경망을 이용해 입력된 데이터를 컴퓨터가 스스로 학습하고 특징을 추출해낸다

 

 

    1-2.  활용

 

 

 

2.  머신러닝 

 

    머신러닝이란 컴퓨터가 주어진 데이터에서 패턴을 추출하여 결과를 예측하는 것을 의미한다.

    데이터에서 얻어내고 싶은 결과값의 종류에 따라 패턴을 추출하는 방식을 달리 해야 한다.

    이때 어떻게 패턴을 추출할 것인지를 정하는 것을 ‘모델’을 정했다고 표현한다.

 

 

 

 

   머신러닝 학습 방식과 모델

 

 

지도 학습 : '문제'와 '정답' 데이터 세트를 이용해 훈련시키는 방법 / '정답' 데이터가 존재하기 때문에 기계는 올바른 결과값의 상관관계를 이용해 결과를 예측한다

비지도 학습 : '문제' 데이터만 주고 훈련시키는 방법 / 경험을 통해 학습시키는 방법 / 기계는 문제 데이터를 학습한 뒤 관련성이 있고 액세스 가능한 데이터를 모두 사용해 패턴과 상관관계를 인식하기 시작한다

강화 학습 : 일련의 허용 가능한 행동, 규칙, 잠재적 최종 상태가 입력되고 경험과 보상을 통해 학습시키는 방법이다

 

 

머신러닝과 데이터

 

'좋은' 머신러닝 모델이란 최적의 데이터를 최적의 머신러닝 알고리즘을 통해 기계에게 학습시키는 것이다

머신러닝 알고리즘에 대한 중요성은 많이들 알고 있지만 데이터에 대한 중요성은 간과하는 면이 없잖아 있는 것 같다

머신러닝은 결국 데이터에 과의존적이기 때문에 

데이터를 이해하고 효율적으로 가공, 처리, 추출하는 과정이 무엇보다도 중요하다는 사실을 잊어선 안 된다

 

인공지능 산업이 거대해질수록 더 좋은 품질의 데이터를 차지하기 위한 데이터 전쟁을 피할 수 없게 될 것이다

 

 

 

 

 

https://youtu.be/EMMkLEXN09I?si=_49mcNy9XOHZqzY9