MachineLearning:Course:Basic

기계 학습 (Machine learning)에 대한 설명.

About

기계 학습(machine learning)은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다.

컴퓨터에게 배울 수 있는 능력, 즉 코드로 정의하지 않은 동작을 실행하는 능력에 대한 연구 분야

필요한 기초 이론

• 통계학 (Statistics)
• 신경과학 (Neuroscience)
• 그래프 이론 (Graph theory)
• 확률론 (Probability theory)
• 베이즈 이론 (Bayesian probability): 확률을 '지식의 상태를 측정'하는 것이라고 해석하는 확률론이다.

알고리즘 유형

• 지도 학습 (Supervised Learning)
  • Regression problem (연속성)
  • Classification problem (비 연속성)
• 자율 학습 (Unsupervised learning)
  • 군집화 (Clustering)
• 준 지도 학습 (Semi-supervised learning)
• 강화 학습 (Reinforcement learning)
• 심화 학습

Model Representation

(그가 중지를 들어올리자 훈련이 시작되더니 모델이 태어났어요) [^0]

대표적인 머신러닝 개념도는 위와 같다.

• Input Features: 입력 변수
• Training Data-Set: 훈련 변수
• Learning Algorithm
  • Cost function: Parameter(θ) 를 구하는 방법.
• Hypothesis (가설): 예측 되는 데이터와 결과값 사이의 관계 함수
• Expected Output (예상 결과): Hypothesis(가설)을 사용하여 Inferencing(추론)한 결과.

See also

• Machine learning