Machie Learning

AI

AI(Aritificial Itelligence)는 사람이 가지고 있는 사고능력을 컴퓨터 프로그램으로 표현한 것입니다.
AI는 Strong AI(강AI) Weak AI(약AI)로 나눌 수 있습니다.
Strong AI는 사람과 구별이 되지 않는 수준의 AI로 최종 목표이죠.
Weak AI는 특정 분야에 있어 사감과 거의 동등한 능력을 가지는 AI입니다. 예를 들면 자율주행과 알파고가 있습니다.

AI를 만들기 위한 전력으로는 인간과 같이 학습하는 방법을 사용합니다.
인간의 학습을 통해 예측을 합니다. 그래서 기존에 우리가 해왔던 자바, 자바스크립트와 같은 프로그래밍과는 많이 다릅니다.
기존의 프로그래밍은 Rule-based Programming이었습니다. 데이터를 입력하면 소스코드를 따라 진행되어 결과가 도출되죠.
하지만 AI Programming은 대량의 데이터와 해답으로 학습을 시키고 규칙성을 찾아내어 Model(=>수학식)을 도출합니다.
모델을 통해 새로운 것을 예측할 수 있습니다.

Machine Learning

이런 AI를 구현하기 위해 즉 규칙성을 찾기위해서 Machine Learning기법을 사용합니다.
Machine Learning 기법에는 다양한 알고리즘이 있는데요.

1. Regression(회귀)
2. SUM(Support Vector Machine)
3. Decision Tree(Random Forest)
4. Native Bayes
5. KNN(K-Nearest Neighbors)
6. ANN(Artificial Neural Network) => Deep Learning
7. K-MEANS, DBSCAN
8. 강화학습

위와 같이 다양하게 존재하는데요. 이중 2~5번은 라이브러리화가 되어있어 간편하게 만들 수 있습니다.
저희는 Regression과 ANN을 학습해보겠습니다.

Machine Learning 기법은 정형 데이터에 적합하고 Deep Learning 기법은 비정형 데이터에 적합합니다.

Machine Learning 분류

• 지도학습(supervised Learning)
  • 모델을 만들 때 데이터+해답을 입력으로 같이 들어가는 경우입니다.
• 비지도 학습(Unsupervised Learning)
  • 모델을 만들 때 데이터만 입력되어 모델이 학습되는 경우로 clustering이라고 합니다.
• 초지도 학습(semisupervised Learning)
  • 지도 학습과 비지도 학습을 섞은 것입니다.
• 강화 학습(Reinforcement LEarning)
  • 현재 상태에서 조금 더 나은 다음 상태를 찾아내는 기법입니다.

Regression vs Classification

저희는 Machine Learning의 분류 중 지도 학습에 대해 학습하겠습니다.
지도 학습에는 Regression과 Classfication이 있습니다.

새로운 용어

• Training Data Set
• 독립변수, Feature
• 종속변수, Target, Label