#. 머신러닝이란?
데이터가 주어졌을 때 답을 유추해줄 수 있는 최적의 함수를 찾는 것이다
서로 다른 유형의 머신러닝 기법은 최적의 함수를 찾는 기법이 서로 다르다
데이터를 입력하면 머신러닝모델에세 최적의 F(x) 값을 계속 학습하면서 스스로 보정해나간다. 그러면서 최적화된 값을 찾아낸다.
입력값 => F(x) => 예측값 ~ 실제값
#. 일반적인 컴퓨터 사이언스와 차이점
일반적인 컴퓨터 사이언스에서는 로직(규칙)이 주어져야한다.
하지만 머신러닝은 데이터와 답이 있으면 스스로 알아서 최적화된 로직(규칙)을 찾는다
#. 머신은 어떻게 학습하는가?
학습 데이터의 예측 오류를 최소화할 수 있도록 최적화하는 알고리즘을 통해 학습한다
만약 예측이 잘못되었다면 예측 오류를 줄일 수 있도록 최적화하는 알고리즘을 통해 학습한다 --> 점차 예측 오류 줄어든다
#. 머신러닝 종류 - 딥러닝도 머신러닝 종류 중 하나이다
1. 기호주의
- 정형 데이터 기반
ex) 결정트리
2. 연결주의
- 음성, 이미지, 텍스트에 탁월
- 층과 층 사이에 무수히 많은 연결
ex) 신경망/딥러닝
3. 확률주의
ex) 베이지안 통계
4. 유전 알고리즘
5. 유추주의
#. 정리
- 복잡한 애플리케이션없이 데이터를 기반으로 패턴을 학습하고 결론을 추론하는 알고리즘 기법을 통칭해서 머신러닝이라고 한다.
- 현실세계의 매우 복잡한 조건으로 인해 기존의 소프트웨어 코드만으로는 해결하기 어려웠던 많은 문제점들을 이제 머신러닝을 이용해 해결한다.
- 복잡한 미래 예측, 영상인식, 음성인식, 자연어처리 등에서 머신러닝을 적용하면서 급속한 발전을 이룬다.