알고리즘과 머신러닝의 차이
- 알고리즘(Algorithms) : 어떠한 문제를 해결하기 위한 일련의 절차나 방법
- 머신러닝(Machine Learning) : 컴퓨터가 데이터를 통해 스스로 학습하도록 만드는 알고리즘 또는 기술
예시
머신러닝 : 유튜브는 개인이 유튜브 영상 보는 패턴에 대해 학습하는 프로그램
알고리즘 : 다음 영상을 추천하기 위해 머신러닝을 통해 만들어진 패턴
인공지능, 머신러닝, 딥러닝의 관계
인공지능⊃머신러닝⊃딥러닝
- 인공지능(Artificial Intelligence, AI) : 컴퓨터가 학습, 추론, 지각 능력을 학습시키는 기술
- 딥러닝(Deep Learning) : 머신러닝 기법 중 신경망을 기반으로 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술
빅데이터와 머신러닝
- 빅데이터(Big Data) : 데이터 수집, 저장, 분석이 어려울 만큼 방대한 양의 데이터
빅데이터는 데이터가 방대할수록 학습 성능에 크게 영향을 미치는 머신러닝 분야에 의미 있게 사용
머신러닝 학습 프로세스
데이터 x를 함수 f()에 넣으면 예측치 y가 나옴
머신러닝은 함수 f()에 해당
모델(Model) : 상관관계를 식으로 표현
머신러닝의 종류
- 지도학습(Supervised Learning) : 정답이 있는 데이터를 통해 학습
- 회귀(Regression) : 데이터 특징을 통해 연속형 값을 찾는 것
- 분류(Classification) : 데이터 특징을 통해 이산형 값을 찾는 것 (0과 1, 남자와 여자 등)
- 비지도학습(Supervised Learning) : 정답이 없는 데이터를 통해 학습시켜 새로운 데이터에 대한 결과를 예측
- 군집(Clustering) : 데이터 특징이 유사한 값들의 모임을 군집으로 표현
- 강화학습(Reinforcement Learning) : 컴퓨터가 현재의 상태에서 어떠한 행동이 가장 적절한 지 스스로 시뮬레이션하면서 학습
- 생성(Generation) : 모델이 학습한 것을 토대로 유사한 데이터를 만들어내는 것
연습문제
데이터 과학을 위한 파이썬 머신러닝 1장 연습문제 풀이
참고문헌
최성철, 『데이터 과학을 위한 파이썬 머신러닝』, 초판, 한빛아카데미, 2022
Ghost