[머신러닝] 머신러닝 입문 올인원 :: 1강 회귀_인사/강좌소개

 

---

 

메타코드에서 진행하는 4기 서포터즈에 운 좋게 참여하게 되었다. 메타코드에는 AI와 데이터분석 관련한 다양한 강의들이 있었고, 나는 고민하다가 머신러닝을 신청하여 듣게 되었다.

이미지를 눌러서 메타코드 사이트 바로가기

 

ai 엔지니어로 취업준비를 하면서 느낀건데 나는 아직 딥러닝 기초 지식이 너무 부족하여 기초부터 차근차근 쌓아야 겠다고 생각하던 중 메타코드 강의 목록을 보게 되었고 머신러닝부터 알아야 딥러닝 또한 잘 알 수 있지 않을까 하는 생각에 머신러닝을 골랐다. 

 

무려 카이스트 ai 박사과정을 하고 계신 분이 강의를 해주신다.

 

1강 회귀 :: 인사/강좌소개

 

강사님 소개

 

이분이 카이스트 ai 박사과정을 밟고 계신 배상민 강사님이시다.

 

머신러닝 강의의 목차들

머신러닝강의는 총 5가지 세션으로 나뉜다.

회귀,분류,앙상블학습,차원축소,군집화

 

인공지능>머신러닝>딥러닝

 

인공지능, 머신러닝, 딥러닝은 자주 같이 쓰인다. 이 3가지 단어는 서로 포함관계를 가지고 있다.

가장 큰 범위는 인공지능 두번째는 머신러닝(기계학습) 세번째는 딥러닝이다.

 

인공지능은 기계가 배울 수 있는 모든 지식과 기술들을 표현한다. 머신러닝은 기계를 학습시킨다는 세부적으로 들어간 개념이다. 인공지능이 기계가 사람말을 이해하고 뱉을 수 있다는 포괄적인 개념을 의미한다면 머신러닝은 포괄적인 지식을 위해서 어떻게 학습하고 어떤 학습론을 쓰냐는 개념이다.

모델의 종류에 따라 딥러닝이냐 머신러닝이냐가 갈린다. 딥러닝은 뉴럴 메트워크라는 신경망 모델을 사용하고 머신러닝은 통계적인 모델을 사용한다.

 

머신러닝

그렇다면 머신러닝이란 무엇인가?

 

머신러닝이란

인간이 제공한 데이터를 표현할 수 있는 모델이다. 인간이 제공한 데이터란 (수학적인 접근을 하면)  '(1,2)'과 같은 데이터 포인트들이다. x와 y에 대한 데이터를 받을 때 x와y로 표현할 수 있는 함수를 모델이라 한다. 

 

기계를 학습 한다->데이터를 가장 잘 표현할 수 있는 함수를 찾는 것. 모델(함수)의 파라미터의 최적값을 찾는것.

통계적인 방법(=수학적) 혹은 경사하강법을 이용하여 최적의 파라미터를 찾는다.

 

딥러닝은 이 모델(함수)이 신경망 함수인 것을 의미한다.

 

머신러닝의 3가지 분류

 

머신러닝은 총 3가지로 분류된다. 인간이 준 데이터의 형태에 따라 달라진다.

 

♣비지도 학습

  인간이 주는 지도가 없다. 즉 라벨(클래스)이 없다. 지도학습에 비해 좀 어려움.챌린지함.

♣ 지도학습

지도가 있다. 라벨(클래스)를 사람이 준다.->사람이 주기 때문에 큰 돈과 시간이 필요함.

♣ 강화학습

대표적인 예시로 알파고가 있다. 비지도학습,지도학습과 결이 다르다. 강의에서는 다루지 않는다.

어떤 상태에서 어떤 상태로 넘어갈 때 보상을 준다. 즉, 상태가 변이가 됐을때 보상을 준다. 어떤 액션을 해야 가장 큰 보상을 받을까를 학습하는 것이다.

 

머신러닝 vs 딥러닝

 

앞서 말했듯이 머신러닝과 딥러닝은 포함관계이다. 하지만 어떤 모델이 머신러닝에는 포함되는데 딥러닝에는 포함되지않을때가 있다. 뉴럴 네트워크라는 신경망함수로 되어 있으면 딥러닝이라고 표현한다.

딥러닝이면 데이터가 굉장히 많다. 빅데티터(백만단위,천만단위) chatgpt나 라바 모델은 테라단위. 

 

딥러닝을 이해하기 위해서는 머신러닝을 꼭 이해해야한다.경사하강법,고유값 등. 근간이 되는 지식들. 

 

머신러닝의 전반적인 이해. 인공지능을 이해하기 위한 기초 지식을 이 강의에서 배우게 된다.

 

 

강사님이 차근차근 설명해 주어서 이해하기 쉬웠다. 데이터들을 가장 잘 설명하는 함수를 찾는다는 것은 가장 기초적인 것인데도 잊고 있다가 강의를 보며 다시금 되세길 수 있어서 좋았다. AI를 공부하고 싶다는 생각이 있다면 이 강의로 시작하는 것을 추천한다.

 

 

이미지를 눌러 머신러닝 배우러 가기