딥러닝 이론-1 : Machine Learning Basics

비전공자로서, 딥러닝과 기계학습 이론을 공부하기 위해 여러 서적들과 강의들을 찾아보았지만,

처음 시작하는 단계에서는 홍콩 과기대 김성훈 교수님의 모두를 위한 딥러닝 강의만한 게 없는 것 같다.

그래서 블로그에 모두를 위한 딥러닝 강의를 듣고 강의 내용을 요약해보기로 한다.

 

 

​

1. 머신러닝이란?

- 말 그대로 기계학습으로, 개발자가 일일이 프로그래밍할 필요 없이 기계가 알아서 학습하는 것이다.

기계 학습 전에는 explicit programming (각 단계마다 수행될 작업이 정확하게 프로그래밍) 으로

문제를 해결했지만, rule이 많이 필요하게 되고 아무리 rule을 많이 써도 모든 문제를 cover 할 수 없기 때문에

한계가 있었다. 이러한 한계점을 머신러닝을 통해 해결하게 되었다.

 

 

​

2. 머신러닝의 종류

- 머신러닝에는 두가지 종류가 있다. Supervised와 Unsupervised learning이 그것이다.

Supervised learning은 labeled data를 통해 학습하는 것으로, 데이터의 정답을 준다. 예를 들어, 문제집을 풀 때 정답이 있는 것과 같다. 그에 반해 Unsupervise learning은 unlabeled data를 통해 학습하기 때문에, 정답이 없으므로 데이터들 간의 grouping, clustering 작업이 필요하다. 대부분 머신러닝에서 Supervised learning을 통해 이루어진다.

 

 

​

3. Supervised learning의 유형

- (1) regression : 기말고사 시험 점수와 같은 범위가 넓은 경우를 예측

(2) binary classification : 시험 pass/fail 과 같은 이진 분류

(3) multi-label classification : 학점(A,B,C,D,F) 과 같은 여러 분류