[데이터 분석과 통계] 1. 머신러닝 이론

머신러닝

• 프로그램을 만들 때의 접근법
  1. 풀어야 할 문제 분석
  2. 알고리즘 구성
  3. 알고리즘 구현(By 프로그래밍 언어) 및 시험
• 머신러닝의 정의
  • 외부의 프로그램 없이 데이터를 이용하여 컴퓨터에게 학습 능력을 부여하는 것
• 머신러닝의 발전
  • 처음 퍼셉트론 개념은 약 1950년 시작
  • (1970) 단순한 알고리즘 표현도 어렵다는 점을 확인
  • (1980) Back-Propagation 알고리즘 발견
  • (2010 ~ ) Alexnet 등 다양한 딥 러닝 알고리즘 발전
• 딥 러닝의 성공 조건 : 데이터, 알고리즘, 연산
  • 알고리즘 : Backpropagation 등의 알고리즘 발전
  • 데이터 : 머신러닝은 데이터를 기반하므로 매우 많은 양의 데이터 필요
  • 연산능력 : GPU / TPU / NPU 등 머신러닝을 위한 연산 능력 발전
• 머신 러닝의 종류
  • 지도 학습 : Label된 데이터의 학습 ex. 스팸 필터, 선형 회귀, ...
  • 비지도 학습 : Unlabel된 데이터의 학습 ex. 데이터 클러스터
  • 강화 학습 : 모델과 환경 사이의 행동과 피드백에 기반 ex. 로봇, AI 게이밍, ...