머신러닝 공부하기

들어가기

처음 AI에 관심을 가졌을 때 공부했었던 내용을 리마인드 하기 위해서 작성합니다.

이번 포스팅에서는 가볍게 머신러닝이란 무엇인지에 대해 다룰것이다.

01. 머신러닝의 개념

머신러닝(기계학습)은 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이며, 데이터에서 법칙성을 추출하는 통계적 방법 중 하나다. 이후에 추가적으로 업로드할 포스팅에서 다룰 딥러닝 또한 머신러닝의 일부로, 인간의 뇌의 신경 세포가 어떻게 행동하는지 모방한 신경망 모델의 한 형태이다.

mindmap
  root((AI))
    Machine Learning
      Deep Learning

바로 위의 마인드 맵에서 볼 수 있듯이, AI라는 큰 카테고리 안에 기계학습이 존재하고, 기계학습 카테고리 안에 딥러닝이 존재한다.

머신러닝 알고리즘은 데이터를 기반으로 통계적인 신뢰도를 강화하고 예측 오류를 최소화하기 위한 다양한 수학적 기법을 적용해 데이터 내의 패턴을 스스로 인지하고 신뢰도 있는 예측 결과를 도출해 낸다.

머신러닝의 분류

일반적으로 머신러닝은 지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning), 강화학습으로 나뉜다. 지도학습은 입력에 대한 적절한 출력을 구하는 문제, 비지도 학습은 입력 정보의 특징을 찾는 문제, 강화학습은 전체적인 결과가 가장 좋은 행동을 찾는 문제다. 머신러닝 포스팅에서는 지도와 비지도 학습에 관한 내용만 포스팅할 예정이다.

• 지도학습
  지도학습에서 사용되는 대표적인 머신러닝 알고리즘은 분류와 회귀다. 지도학습의 대표적인 결과물은 추천시스템, 시각 및 음성의 감지/음지다, 그리고 텍스트 분석(NLP)이 있다.

• 비지도학습
  비지도학습의 대표적인 예로는 클러스터링, 차원 축소, 그리고 강화학습 등이 있다.