Machine Learning#

“기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야”, 1959 by Arthur Samuel

머신러닝의 정의#

  • Decision process: 모델이 입력된 데이터내의 패턴 종류에 대한 추정을 반환하는 계산 방법 또는 기타 단계

  • Error function: 모델의 추정과 실 데이터의 비교를 통해 모델의 정확도를 평가

  • Updating or optimization process스: 모델의 가중치 반복 업데이트를 통해 실 데이터와 모델 추정치 간의 오류를 임계 값이하로 최적화

머신러닝의 방법#

  • Supervised Learning: 입력/출력이 정해진 데이터를 이용해 입력과 출력의 일반적 룰을 학습하여 출력 데이터를 예측하는 것이 목표

  • Unsupervised Learning: 정해진 출력 데이터 없이 주어진 입력 데이터 내의 패턴을 찾는 얻는 것이 목표

  • Reinforcement learning: 역동적인 환경에서 반복적인 시행착오 상호작용을 통해 누적 보상을 최대화하는 방법을 찾는 것이 목표

이 외에도 빅데이터 시대로 접어 들면서 희소한 Labled Data 를 가지고 학습할 수 있는 다양한 종류의 방법론들 (Transfer learning, Semi-supervised learning, Self-supervised learning …)이 연구 되고 있는 중