※ 김성민 교수님의 모두를위한딥러닝 강좌를 바탕으로 작성합니다.
강의 링크 : https://www.youtube.com/watch?v=BS6O0zOGX4E&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=1
1. Machine Learning 이 왜 필요한가?
기존의 프로그램들은 A → B, C → D 와 같이 모든 경우의 상황에서 적용가능하도록 프로그래밍되었다.
이러한 Rule based 프로그래밍을 explicit programming이라고 한다.
하지만 explicit program으로는 너무 많은 규칙이 존재하는
Spam filter나 Automatic Driving 등의 프로그램을 설계할 때는 한계가 있다.
예를 들어 예외적인 내용의 스팸 메일이 오면 어떻게 filtering 할 것이며,
주행 중 일어나는 모든 경우의 수에 대해 미리 프로그래밍하는 것은 매우 위험하다.
이러한 프로그래밍 방식의 한계를 극복하고자 등장한 것이 Machine Learning이다.
2. Supervised/Unsupervised Learning (지도/비지도 학습)
Machine Learning은 학습 방법에 따라 Supervised/Unsupervised Learning 으로 나눌 수 있다.
Supervised Learning은 이미 labeled된 training data set을 이용해 학습하는 것이다.
그림1처럼 고양이 사진은 cat, 강아지 사진은 dog, 컵 사진은 mug, 모자 사진은 hat 으로 Labeling한다.
머신러닝을 적용할 때 대부분은 Supervised Learning이 적용되며 해당 강의에서도 이를 주로 다룬다.
예를 들어, Spam mail과 Ham mail을 구분하는 모델이나 공부 시간에 따른 성적을 예측하는 모델 모두 Supervised Learning이 적용된다.
그림2는 Supervised Learning의 프로세스를 나타낸 그림이다.
Labeled Data, Labels를 합친 것을 Training Data라고 하며, 이를 사용해 Model Training을 진행한다.
Training 결과 나온 Model에 Data를 넣으면 예측결과를 얻을 수 있다.
Unsupervised Learning은 Labeled되지 않은 Data를 가지고 학습시키는 것이다.
예를 들어 뉴스 기사들을 테마에 맞게 Grouping 시키는 일은 미리 Labeling 할 수 없어 Unsupervised Learning을 사용한다.
'기타 > ML, DL' 카테고리의 다른 글
BackPropagation scratch coded in C - small letter recognition (0) | 2023.09.18 |
---|---|
ML - 5. 다중 분류(Multi-label Classification)의 개념 (0) | 2023.08.02 |
ML - 4. 이진분류(Binary Classification)의 개념 (0) | 2023.08.01 |
ML - 3. 선형 회귀(Linear Regression)의 개념 (0) | 2023.08.01 |
ML - 2. Supervised Learning (지도 학습) ⊃ 회귀,분류 (0) | 2023.07.08 |