TensorFlow 학습 #3 - 머신 러닝

2020/08/26 - [Learn/TensorFlow] - TensorFlow 학습 #2 빅 데이터 간단 학습

TensorFlow 학습 #2 빅 데이터 간단 학습

참고 문서

머신러닝 개념 - Brunch

기계 학습 - 위키백과

 

 

---

머신 러닝(Machine Learning)

정의

 머신 러닝은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘으로 인공지능의 한 분야로 간주된다.

일반적으로 행동 하나하나를 명시하는 방식과 달리 기계가 데이터로부터 학습하여 동작할 수 있도록 알고리즘을 개발하는 연구 분야로 보면 된다.

 

목표

 빅데이터 알고리즘을 통해 컴퓨터 그 자체를 '학습'시켜 의사결정 기준에 대한 구체적인 지침을 소프트웨어 코딩 하지 않고 작업 방법을 수행하는 것을 목표로 한다.

 

핵심

 머신러닝의 핵심으론 두가지가 있다.

 1. 표현(Representation)

 표현이란 데이터의 평가를 뜻 한다.

 

 2. 일반화(Generaliztion)

 일반화란 아직 알 수 없는 데이터에 대한 처리를 뜻 한다.

 

초점

 훈련데이터(Traninig Data)

머신러닝은 훈련을 통해 훈련 데이터를 발생 시킨다. 이를 통해 알고리즘을 형성할 수 있게 된다.

 

 데이터마이닝(Data Mining)

데이터의 미처 몰랐던 속성을 발견하는데에 있다.

 

분류

 머신러닝을 분류하는 방법은 크게 세 가지가 있다.

 

지도(Supervised)

 입력값 - 정답값 쌍의 레이블을 주고 학습 시키는 방법이다.

 

비지도(Unsupervised)

 입력값만을 주어주고 학습 시키는 방법이다.

 

강화(Reinforcement)

 보상을 주어줌으로서 정답에 가까운 결과를 도출하도록 하는 방법이다.

 

성공 요인

 1. 머신러닝이 적용될 적절한 분야인지 판단해야한다.

 

 2. 지식모델을 교육할 양질의 데이터를 제공해야한다. 따라서 기존의 데이터 분류가 영향을 끼치게 된다.