1. Machine Learning Basics

이 포스팅은 김성훈 교수님의 강의(모두를 위한 딥러닝)를 수강하며 공부한 내용을 정리한 것입니다.

 

섹션1. 머신러닝의 개념과 용어

출처: https://www.bnviit.com/blog/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5%EC%9D%80-%EB%A7%88%EC%8A%A4%ED%84%B0%ED%82%A4%EA%B0%80-%EC%95%84%EB%8B%88%EB%8B%A4/

Machine Learning (기계 학습)이란 무엇인가?

통계적인 경험을 통해 문제의 해법을 찾아가는 인간의 특징을 기계에 적용한 것이 머신러닝(machine learning)이라고 할 수 있다. 

기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야이다. 

 

Deep Learning 이란 무엇인가?

딥러닝(deep learning)은 더욱 고도화된 머신러닝 방법으로 사진과 같은 고차원 데이터에서 기계 스스로 패턴을 알아낼 수 있다는 장점이 있다. 예를 들면, 개와 고양이를 분류할 때 기존 머신러닝은 일반적으로 귀, 코, 입, 발 모양 등 개와 고양이를 구별할 수 있는 큰 특징을 뽑아 적은 수의 변수로 만들어 학습시키고, 딥러닝은 많은 픽셀로 구성된 개와 고양이 사진 자체를 학습시켜서 진행합니다.

 

학습하는 방법

Supervised learning : 라벨링이 되어있는 학습 데이터로 학습하는 방법

어떤 레이블들이 정해져 있는 데이터(=Training set이라고도 함)를 갖고 학습하는 것이다.

일례로, 이미지를 주고, cat, dog, mug, hat 등등을 식별하게 하는 것도 각 이미지에 식별 대상에 대한 정보인 label를 달아서 데이터를 제공 받아서 학습한 것이다.

 

Types of Supervised learning

• regression (ex. 시험점수 예측)
• binary classification (ex. Pass/non-pass 예측)
• multi-label classification (ex. A, B, C, D, ...등급 예측)

ML에서의 일반적인 문제 유형

• Image labeling
• Email spam filter
• Predicting exam score

 

 

Unsupervised learning : 주어진 데이터로 스스로 학습하는 방법

일일히 label을 주어서 학습할 수 없는 경우로, supervised learning과 반대되는 개념이다.

ex) 구글 뉴스는 자동적으로 유사한 뉴스들을 그루핑해주는데, 이 경우에는 그 전에 미리 label을 정해주기 어렵다. word clustering과 같은 경우에도 마찬가지.

 

Reinforcement Learning(강화학습) : 행동에 대한 보상을 받으면서 학습하여 어떤 환경 안에서 선택 가능한 행동들 중 보상을 최대화 하는 행동 

 

상과 벌이라는 보상(reward)을 주며 상을 최대화하고 벌을 최소화 하도록 강화 학습하는 방식.

알파고가 이 방법으로 학습 되었고, 주로 게임에서 최적의 동작을 찾는데 쓰는 학습 방식이다.