머신러닝이란 무엇일까?

1. 머신러닝이란?

: 애플리케이션을 수정하지 않고도 데이터를 기반으로 패턴을 학습하여 결과 추론하는 기법.

ex) 데이터 마이닝, 영상인식, 음성인식, 자연어처리 등등

 

2. 머신러닝이 필요한 이유?

: 현실 세계의 복잡한 업무 규칙을 구현하기에는 너무 복잡 및 방대..

-> 따라서 사용자읭 요구에 맞게 프로그래밍이 불가능. ex) 숫자 필기 인식

 

3. 컴퓨터 사이언스 vs 머신러닝

: 기존 컴퓨터 사이언스는 로직대로 결과값이 나오지만, 머신러닝은 문제와 답을 가지고 규칙을 찾아 로직을 만드는 작업이다.

 

4. 머신러닝의 유형 ( 지도학습 / 비지도학습 / 강화학습 )

(1) 지도학습

- 분류 : 단일값 유추

- 회귀 : 연속값 유추. ex) 주식시세

- 추천시스템

- 시각/음성 감지/인식

 

(2) 비지도 학습

- 군집화(클러스터링)

- 차원 축소 : feature의 갯수 축소

- 토픽 모델링

- 문서 군집화

 

5. 머신러닝의 단점

- 데이터 의존적 : Garbage in, Garbage out!

- 학습 데이터와 실제 환경과 차이가 커서 직접 대입이 힘듦.

- 데이터만 집어 넣으면 자동으로 최적화된 결과를 도출해주진 않는다.
=> 데이터의 특성을 파악하여 최적화 시켜주는 것이 핵심이다.