머신러닝 기초 (1) : 머신러닝의 정의, 종류, 사용분야

1. 머신러닝의 기본 정의

AI: 인간의 지능을 요구하는 업무를 수행하기 위한 시스템

Machine Learning: 관측된 패턴을 기반으로 의사 결정을 하기 위한 알고리즘 

Deep Learning: 인공신경망을 이용한 머신러닝. 머신러닝의 하위 개념

Data science: AI를 포괄하여 통계학과 컴퓨터공학을 바탕으로 발전한 융합학문

Data Analysis: 데이터 집계, 통계 분석, 머신러닝을 포함한 행위 

 

2. 머신러닝이 발전한 이유

인간은 데이터를 기반으로 한 의사결정을 내리고 싶기 때문 

 

통계: 모집단(전체 집단)의 성질을 표본집단으로부터 알기 위한 추론 방법

-> 비용의 한계(시간과 돈)로 인해, 전체 모집단의 성질을 알 수 없기 때문에 표본을 뽑아서 성질을 파악하고자 한 것을 계기로 통계가 발전함

 

 

✅처리 기술의 발전

저장 매체 가격의 하락 : 옛날에는 저장공간이 비쌌기 때문에 모든 데이터를 수집할 수 없었음. 그런데 이제는 비용이 적어져서 데이터를 수집하는 것이 용이해졌다. 

데이터를 수집 -> 처리 -> 머신러닝 

 

 

3. 머신러닝 종류

Supervised Learning(지도 학습)

Unsupervised Learning(비지도 학습) 

Reinforcement Learning(강화 학습) 

 

군집: 같은 공간, 같은 시간에 존재하는 여러 종을 하나의 집단

 

 

4. 머신러닝이 사용되는 분야

금융: 신용평가, 사기탐지, 주식 예측

헬스케어: 질병 예측, 환자 데이터 분석

이커머스: 고객 구매 패턴 분석, 추천 시스템, 가격 최적화, 장바구니 분석

자연어처리: 번역, 챗봇, 텍스트분석  -> 딥러닝으로 분류하는 것이 좋다. 

이미지 & 영상처리: 얼굴인식, 이미지 생성