머신러닝 정의

머신러닝이란? 데이터를 이용하여 명시적으로 정의하지 않은 패턴을 컴퓨터로 학습하여 결과를 만들어내는 학문 분야

• 1959, 아서 사무엘(Arthur Lee Samuel)

머신러닝 구성 요소

• Data
• Pattern Recognition
• Computing

머시러닝 관련 학문

• 수학 - 행렬 - 선형대수: 행렬분해 - 확률: 조건부 확률
• 통계학: 데이터에서 패턴을 찾아내는 학문 - 정규 분포, 가우스분포, 상관관계
• 컴퓨터 공학
  • 고집적 연산
  • 병렬 연산
  • 프로그래밍

과거와 현재

• 1950년: 얼런튜닝의 튜링테스트 제안
• 1957년: Percetron 제안
• 1990 - 2010: 통계적 머신러닝
• 2010 ~ : 빅데이터
• 2013 ~ : 딥러닝 - GPU 발전 - 데이터 증가 - 알고리즘 발전
  

머신러닝 유형

• 머신러닝 유형
  • 지도학습
  • 비지도학습
    • 데이터 자체에 대한 유용한 패턴 인식
  • 강화학습
    • 에이전트가 환경과 상호작용하여 장기적으로 이득 최대화 학습

지도학습

• 회귀
• 분류
• 추천/랭킹
  • 평점을 이용하여 아직 평점이 없는 아이템에 대한 평점을 예상
  • 평점이 없는 아이템 중에 높은 평점 목록 제공

비지도학습

• 클러스터링/토픽모델링
  • 가정
    • 클러스터링: 특성을 벡터화하여 구분
    • 토픽모델링: 문서는 토픽이 정해지면, 해당 토픽으로 단어가 선별되고, 그 단어로 문장을 생성
  • 결과
    • 클러스터링: 클러스터 ID
    • 토픽 모델링: 토픽별 확률로 제공
• 밀도추정
  • 데이터로 부터 원래 분포를 추축
  • 타입
    • 커널 밀도 추정(Kernel Density Estimation)
    • 가우스 혼합 모델(Gaussian mixture model)
• 차원 축소(Dimmensionality reduction)
  • 패턴인식 후 사용:
    • 시각화에 이용
    • 패턴을 찾고, 낮은 차원에서 보존하는 방식
  • 분석초기 이용
    • 머신러닝 적용 기법를 찾기 위함

딥러닝

• 신경망을 쌓아서 문제를 해결하는 기법을 총칭
• 조건
  • 데이터 양이 많아야 함
  • 문제에 대한 가정을 최소화