[아티클 스터디] ‘머신러닝’ 기초 지식 톺아보기 (2)

오늘의 아티클

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

‘머신러닝’ 기초 지식 톺아보기 | 요즘IT

---

아티클 요약

머신러닝 개발 프로세스

 

✅ 데이터 수집과 전처리

• 먼저 해결하고자 하는 문제를 명확히 정의, 문제 해결에 필요한 데이터를 수집하고 전처리
• 데이터 전처리(Data Preprocessing) : 데이터는 다양한 소스로부터 수집, 해결하고자 하는 문제를 풀 수 있도록 정제
  데이터를 학습 데이터(Training Data), 검증 데이터(Validation Data), 테스트 데이터(Test Data) 등으로 분할, 결측값 처리, 이상치 제거, 특징 스케일링, 데이터 정규화 및 증강 등의 작업 수행

✅ 모델 선택 및 학습

• 데이터 특성에 맞는 머신러닝 알고리즘을 선택하고 학습
• 머신러닝 알고리즘 : 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression), 의사결정 트리(Decision Tree), 서포트 벡터 머신(SVM), 합성곱 신경망(CNN) 등
• 선택된 알고리즘을 학습 데이터로 학습시켜 모델을 생성
• 하이퍼파라미터 조정을 통해 모델의 성능을 최적화하는 작업을 하게 됨
  * 하이퍼파라미터(Hyperparameter): 모델의 구조나 학습 과정을 제어하는 각종 변수들을 의미

✅ 모델 평가 및 검증

• 학습된 모델의 성능을 평가하고 검증
• 분류 문제 : 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 스코어 등의 평가 지표 사용
• 회귀 문제 : 평균 제곱 오차(Mean Squared Error), 평균 절대 오차(Mean Absolute Error), R제곱(R-squared) 등의 지표를 사용

✅ 모델 배포와 유지보수의 단계

• 최종적으로 검증된 모델을 실제 환경에 배포하고 유지 보수하는 과정 
• 배포 : 머신러닝 모델을 웹 서비스나 소프트웨어 프로덕트에 통합하고 실시간 및 배치 처리를 수행
• 모델 배포 후 : 모델의 성능을 지속적으로 모니터링, 새로운 데이터에 대한 예측 품질을 관리
• 이후 필요에 따라 데이터 수집 및 전처리 작업과 학습을 다시 진행하며 모델 업데이트

머신러닝 활용 사례

• 머신러닝은 오래전부터 사용되어 옴.
  대표적인 예 : 이메일 스팸 필터

✅ 추천 시스템 개발

• 사용자의 행동 데이터를 학습하여 개인 맞춤형 제품이나 서비스를 제안하는 시스템
• 온라인 쇼핑, 스트리밍 서비스, 소셜 미디어 플랫폼 등에서 사용
• 소규모 시스템 → 전통적인 지도 학습 방식 적용 
• 대규모 시스템 → 클러스터링, 딥러닝 기법 적용

✅ 이상 탐지 및 부정행위 감지

• 각종 데이터에서 정상 패턴과 이상 패턴을 구분하는 데 활용
• 이상 탐지(Anomaly Detection) : 데이터에서 비정상적인 패턴을 식별, 경고를 발생
  ex) 신용 카드 거래 내역 중 수상 거래 탐지, 네트워크 침입 탐지, 제조 공정에서의 불량품 탐지 등
• 부정행위 예방 : 부정행위 패턴을 학습하여 사전에 예방
  ex) 온라인 게임의 부정행위 탐지, 보험 사기 감지 등

✅ 자연어 처리와 감성 분석

• 자연어 처리(Natural Languge Processing) : 문서를 분류, 기계 번역, 문장 요약 등의 작업 수행
• 감성 분석(Sentiment Analysis) : 사용자 리뷰나 소셜 미디어 댓글을 분석하여 텍스트에 내포된 감정이나 의견을 파악
• 최근 대화형 AI 시스템, 챗봇, 가상 어시스턴트 등에서 자연어 처리와 감성 분석이 핵심 기술로 자리 잡음

✅컴퓨터 비전과 이미지 인식

• 컴퓨터 비전(Computer Vision) : 이미지와 동영상 데이터에서 유의미한 정보를 추출.
  객체 검출(Object Detection), 이미지 분류(Image Classification), 얼굴 인식(Face Recognition), 행동 인식(Activity Recognition)등의 작업을 수행
  ex) 의료 영상 진단, 자율 주행 차량, 스마트 감시 시스템, 증강 현실 등 다양한 분야에서 활용

---

드디어 기사 내용을 다 읽고 정리했다!

모르는 개념이 많으나 차차 알아가야 될 거 같다.

 

지금은 머신러닝이 무엇인지 큰 틀을 이해하게 되었다.

 

관련 자료를 보면서 좀 더 지식을 키워나가 보자고!