[머신러닝 기초] 이론 01 - 머신러닝 소개

목표 : 머신러닝의 개념을 정리하고, 파이썬 실습을 통한 실전 데이터 활용법 익히기.

파이썬은 구글 Colab 혹은 VS Code를 활용함.

---

 

# Basic Keywords

- 머신러닝 : 주어진 데이터들을 자동으로 학습하고 알맞은 분류/규칙을 생성.
- 딥러닝 : 하위 개념, 신경망을 모방하여 스스로 데이터를 학습하고 진화해나가는 형태.
- 생성형 AI : 확보된 데이터를 바탕으로 새로운 contents를 형성.

 

 

# # #
사람의 판단과정) Remember -> Formulate -> Predict
이를 머신에 적용함으로써 이전 데이터를 수집, 저장하여 모델(규칙)을 찾고 미래 데이터를 예측하게 됨.

명시적인 프로그래밍 코드로 동작하는 것이 아닌, 컴퓨터가 스스로 학습하는 능력을 부여하는 것!

 

 

# 지도학습(Supervised Learning)에서는 Label 이 함께 주어짐.

  ㄴ Label : 데이터에서 예측하고자 하는 특징(Feature)

 - 회귀 모델 (Regression) : 연속된 값(analog)을 예측
 - 분류 모델 (Classification) : 불연속적인 값 (discrete, digital)을 예측
    -> 데이터set을 n개로 잘 나누는 직선(line)을 찾는 것

 

 

# 비지도학습(Unsupervised Learning) : 데이터는 있지만 label이 없는 경우
 - 군집화(Clustering) / 묶음 만들기