[아티클 스터디] ‘머신러닝’ 기초 지식 톺아보기 (1)

오늘의 아티클

‘머신러닝’ 기초 지식 톺아보기 | 요즘IT (wishket.com)

‘머신러닝’ 기초 지식 톺아보기 | 요즘IT

---

아티클 요약

목적

• 머신러닝의 기본 개념과 어떤 종류의 머신러닝이 있는지 살펴보고, 전반적인 머신러닝 개발 프로세스와 활용 사례를 알아봄

머신러닝의 기본 개념

 

✅머신러닝(Machine-Learning)이란?

• 컴퓨터가 데이터로부터 패턴을 학습, 명시적인 프로그래밍 없이 어떤 예측이나 분류 작업을 수행하는 것
• 내재된 알고리즘을 통해 훈련 데이터(Training Data)를 학습하여, 새로운 데이터에 관한 결과를 도출
  ex) 의사결정 트리, 인공 신경망 등

✅인공지능, 머신러닝, 딥러닝 개념 정리

 - 인공지능(AI), 머신러닝(ML), 딥러닝(Deep Learning)은 서로 연관되어 있으나 개념적인 차이가 존재

• 인공지능 : 인간의 지능을 모방하는 기술을 총칭, 3가지 개념 중 가장 큰 범위
• 머신러닝 : 인공지능을 구현하는 방법론 중 하나, 머신러닝 외에도 규칙 기반, 논리 기반, 에이전트 기반 접근법 등이 있음
• 딥러닝 : 머신러닝의 한 종류. 인공 신경망을 기반으로 한 심층 학습 기술. 전통적인 머신러닝 기법에 비해 대규모의 데이터 처리 가능, 이미지 인식, 음성 인식, 자연어 처리 등에서 널리 사용되고 있음 

머신러닝의 분류와 유형

 

머신러닝은 크게 지도 학습, 비지도 학습, 강화 학습으로 분류. 이에 더해 지도 학습과 비지도 학습의 중간 형태인 준지도 학습(Semi-supervised Learning)도 또 하나의 머신러닝 유형으로 분류하기도 함

 

✅지도 학습(Supervised Learning)

• 레이블(Lable)이 있는 훈련 데이터를 사용하여 모델을 학습시키는 방법
• 입력 데이터와 정답(레이블)을 머신러닝 모델에 제공 → 입력 데이터와 정답 간의 관계를 학습 시키는 것
• 학습된 모델 → 새로운 데이터에 대한 정답을 예측

✅지도 학습(Supervised Learning)의 종류

• 분류(Classification) : 입력 데이터를 미리 정의된 범주 중 하나로 분류
  ex) 이미지 분류, 스팸 메일 탐지 등
• 회귀(Regression) : 연속적인 값을 예측
  ex) 주식, 주택 가격 예측

✅비지도 학습(Unsupervised Learning)

• 레이블이 없는 데이터를 사용하여 데이터에 내재된 구조나 패턴을 발견
• 비지도 학습 → 알고리즘이 스스로 데이터의 특성을 파악, 유의미한 그룹이나 표현을 찾아냄
  ex) 클러스터링(Clustering)과 차원 축소(Dimensionality Reduction)

✅비지도 학습(Unsupervised Learning) 의 종류

• 클러스터링 : 비지도 학습의 주요 문제 유형, 기법의 하나로 유사한 특성을 가진 데이터들을 그룹화하는 것을 말함
  ex) 유사한 특성을 가진 방문자 그룹 식별, 유사한 이미지를 모으는 이미지 세그멘테이션, 유사한 내용의 문서를 그룹화하는 문서 클러스터링 등이 있음

✅강화 학습(Reinforcement Learning)

• 에이전트(Agent)가 환경(Environment)고 상호작용 하면서 보상(Reward)을 최대화하는 방향으로 학습하는 머신러닝 기법을 의미
  * 에이전트(Agent) : 행동을 수행하는 주체를 의미, 사람 대신 업무를 처리하는 일종의 인공지능
• 에이전트는 환경의 상태를 관찰하고 행동을 수행하면서 보상(또는 페널티)을 받게 됨. 이러한 에이전트의 목표는 장기적인 관점에서 누적 보상을 최대화하는 것임
• 에이전트의 목표: 장기적인 관점에서 누적 보상을 최대화하는 것
• 강화 학습 : 현재 게임 AI, 로봇 제어, 자율 주행 등의 분야에서 활발히 사용

---

내용이 방대한 편이라 나머지는 다음 글로 업로드 할 예정

여기서 이해가 잘 안되는 것은 강화 학습... 조금 더 정보를 찾아보자