0. 머신러닝이란?

이 카테고리는 Standford Univ. Andrew Ng 교수님의 Machine-Learning 강의를 듣고

개인 복습을 위해 작성한 포스트 입니다. 

---

0-1. 머신러닝 사례

 

넷플릭스의 영화추천, 

에이블리의 유사상품 추천, 

이세돌과 대결한 알파고,

로봇 상담사 챗봇,

사물 감별기능,

스팸메일 자동분류,

.

.

.

위의 예시들에 대해 들어본 적이 없거나 

한번이라도 사용해보지 않은 사람이 있는가?

 

위의 예시들은 모두 머신러닝이 활용된 사례이며

머신러닝은 더이상 인간과 뗄레야 뗄 수 없는 수준까지 인간의 삶에 녹아들었다.

 

---

0-2. 머신러닝 정의

다음은 한 학자가 Machine Learning을 정리한 문장이다.

 

Learn from experience E with respect to some task T and some performance measure P,

if its performance on T, as measured by P, improves with experience E.

 

기계가 어떤 업무(T)를 수행하는 경험(E)을 통해 학습하며,

업무처리에 대한 성능(P)은 경험(E)에 따라 향상될 수 있다는 의미.

 

뭐라는거야?

.

.

좀 더 쉬운 이해를 위해 '스팸메일 분류'를 예로 들어보자.

 

T(업무): Classifying emails as spam or not spam (스팸/비스팸 분류 작업)

E(경험): Watching you label emails as spam or not spam (내가 스팸/비스팸을 구분하는 것을 봄)

P(성과): The number(or fraction) of emails correctly classified as spam/not spam. (스팸/비스팸 분류 정확도)

 

아하! 스팸분류 업무(T)를 하는 경험(E)을 통해 분류 정확도(P)가 높아지는거구나!

 

---

0-3. 머신러닝 알고리즘

머신러닝 알고리즘은 크게 4가지가 있다.

 

1) Supervised Learning (지도 학습) : 작업 수행 방법을 가르침

                  2) Unsupervised Learning (비지도 학습) : 컴퓨터가 스스로 학습하도록 유도

3) Reinforcement Learning (강화 학습)                         

4) Recommender System (추천 시스템)                        

 

이들 중 메인 알고리즘은 Supervised Learning과 Unsupervised Learning 이며, 

이 두 알고리즘에 대해서는 다음 포스팅에서 설명하겠다.

 

---

강의 필기 노트