2.2 머신러닝이란 무엇인가?

머신러닝이란 무엇인가?

 머신러닝은 최신 소프트웨어 개발 기술과 컴퓨터가 실제 데이터의 예를 사용하여 문제를 해결할 수 있도록 하는 인공지능(AI)의 일종이다. 머신러닝은 명확한 프로그램 없이도 컴퓨터가 자동적으로 배우고 경험을 통해 향상하도록 한다. 

---

요약

머신러닝은 더 넓은 인공지능 분야이다. 이 분야는 인간과 유사한 지능을 사용하여 작업을 수행할 수 있는 기계의 기능과 관련이 있다. 기계 학습에는 몇가지 기법이 존재한다.

 

1. 지도형 기계 학습

 모든 데이터 셋의 훈련 샘플은 라벨 또는 출력 값이 연결되어 있다. 그 결과 알고리즘은 라벨 또는 출력 값을 예측하는 방법을 학습한다. 

 

2. 비지도형 기계 학습

 학습 데이터에 대한 라벨이 없다. 기계학습 알고리즘은 데이터를 지배하는 기본 패턴 또는 분포를 학습한다.

 

3. 강화학습

알고리즘은 특정 목표에 도달하는 과정에서 보상을 최대화하기 위해 어떤 조치를 취해야 하는지 파악한다. 이것은 지도형과 비 지도형 학습과는 완전히 다른 접근법이다.

 

---

머신러닝과 전통적인 프로그램 전제하의 도달과의 차이점?

기존의 문제 해결 소프트웨어는 사람이 분석한 문제와 그 문제를 해결하기 위해 코드화된 해결책을 엔지니어링 한다. 실제 많은 문제의 경우, 올바른 솔루션은 수많은 케이스를 고려해야 하기 때문에 이러한 프로세스는 어렵거나 불가능할 수 있다.

 

예를 들어, 이미지 속에 고양이가 있는 지 판별하는 프로그램을 작성하는 전통적인 방법으로 이 문제를 해결하려면 다양한 조명 조건, 고양이의 유형, 고양이의 자세와 같은 세부 사항에 세심하게 코치를 해주어야 한다. 반면에 머신러닝에서는 모델이라는 유연한 구성 요소로서 해결책의 일부를 추상화하고 모델 학습 알고리즘이라는 특수 프로그램을 사용하여 해당 모델을 실제 데이터에 맞게 조정한다. 이렇게 해서 학습된 모델을 사용해 데이터 셋의 일부가 아닌 결과를 예측할 수 있다.

 

어떤 면에서, 기계학습은 전통적인 문제 해결법이 할 수 있는 통계적 추론과 패턴 일치를 자동화한다. 전반적인 목표는 모델 학습 알고리즘을 통해 생성된 모델을 사용하여 예측을 생성하거나 문제 해결에 사용할 수 있는 데이터 패턴을 찾는 것이다. 

 

---

용어 정리

기계 학습은 통계, 응용 수학, 컴퓨터 과학의 교차점에서 만들어진 새로운 분야이다. 최근 기계 학습의 급속한 성장으로 인해 각 분야는 동일한 용어에 대해 약간씩 다른 공식 정의를 사용할 수 있다. 

 

머신러닝 (ML)

컴퓨터가 실제 데이터의 예를 사용하여 문제를 해결할 수 있도록 하는 최신 소프트웨어 개발 기술 

 

지도형 학습

모든 데이터 셋의 학습 샘플에는 해당 라벨 또는 출력 값이 연결되어 있다. 그 결과 알고리즘은 라벨 또는 출력 값을 예측하는 방법을 학습한다.

 

비지도형 학습 

학습 데이터에 대한 라벨이 없다. 기계 학습 알고리즘은 데이터를 지배하는 기본 패턴 또는 분포를 학습한다.

 

강화 학습

알고리즘은 특정 목표에 도달하는 과정에서 보상을 최대화하기 위해 어떤 조치를 취해야 하는지를 파악한다. 

 

---

원문

https://www.notion.so/2-2-What-is-Machine-Learning-78ce8396644d49d1a74b8692e83d4fcf