(_기초_) Machine Learning 이란?

 

Machine Learning이란?

컴퓨터가 사람처럼 학습하는 기술입니다. 우리가 컴퓨터에 많은 데이터를 주고, 그 데이터를 바탕으로 스스로 패턴을 학습해내어 결과를 예측하게 합니다.

 

데이터는 많을수록 좋습니다. 클라우드 기술의 발전으로 데이터 저장과 처리 비용이 크게 감소하고, 자원 효율성이 향상되면서 머신러닝의 발달이 급속도로 이루어지고 있습니다.

 

+ 데이터가 많으면 좋은 이유.

 

• 다양한 패턴 학습: 데이터가 많으면 많을수록 컴퓨터는 다양한 패턴을 학습할 수 있습니다.
• 일반화 능력 향상: 많은 데이터를 통해 학습하면, 새로운 데이터에서도 좋은 성능을 발휘할 수 있는 모델을 만들 수 있습니다. 이는 훈련 데이터와 유사한 패턴을 가진 새로운 데이터에서도 잘 작동하기 때문입니다.
• 오버피팅 방지: 오버피팅은 모델이 훈련 데이터에만 너무 맞춰져서 새로운 데이터에서는 잘 작동하지 않는 현상입니다. 많은 데이터를 사용하면 이러한 문제를 줄일 수 있습니다. 왜냐하면 모델이 더 다양한 예시를 학습하여 특정 데이터에 과도하게 맞추지 않기 때문입니다.
• 노이즈 제거: 실제 데이터에는 오류나 불필요한 정보(노이즈)가 있을 수 있습니다. 데이터가 많으면, 이러한 노이즈가 모델 학습에 큰 영향을 미치지 않도록 평균화됩니다.

 

머신러닝의 기본 개념

 

• 데이터: 컴퓨터가 학습하기 위해서는 많은 정보, 즉 데이터가 필요합니다. 예를 들어, 고양이와 강아지 사진이 데이터가 될 수 있어요.
• 훈련: 데이터를 이용해 컴퓨터가 스스로 규칙을 배우도록 하는 과정입니다. 고양이와 강아지 사진을 많이 보여주면, 컴퓨터는 둘의 차이점을 배우게 됩니다.
• 모델: 훈련을 통해 만들어진 규칙의 집합입니다. 이 모델을 사용해서 새로운 데이터를 예측하거나 분류할 수 있습니다.
• 예측: 훈련된 모델을 이용해 새로운 데이터가 무엇인지 맞추는 과정입니다. 예를 들어, 새로운 사진이 들어오면 그것이 고양이인지 강아지인지 맞출 수 있습니다.

 

 

머신러닝의 종류

 

 

 

• 지도 학습: 정답이 있는 데이터를 사용해서 학습합니다.
• 비지도 학습: 정답이 없는 데이터를 사용해서 학습합니다. 기계에게 데이터에 대한 통찰을 부여합니다.  컴퓨터가 스스로 데이터를 관찰해 새로운 의미나 관계를 밝혀냅니다.
• 강화 학습: 지도학습과 비슷합니다. 하지만 기계 스스로 더 좋은 답을 찾아갑니다. 보상을 통해 학습합니다. 

이상 머신러닝 개념이었습니다. 화이팅~