[NLP] 모두를 위한 딥러닝 : "머신러닝의 개념과 용어"

 

 

 

 

머신러닝(ML) 기본 용어와 개념 설명

---

*Explicit programming

• 소프트웨어
• 인풋/아웃풋이 있는 로직

 

 

* Machine learning

• Arthur Samuel이 제시
• explicit programming 없이 개발자가 아닌 컴퓨터가 자료나 현상에서 배우고 반응하면 어떨까

 

 

* ML의 학습 방법

1. Supervised learning

정해져있는 Label이 정해진 데이터(training set)를 가지고 학습하는 것

 

ex.
Image labeling - 사진이 개인지 고양이인지 구분하기 위해 개 사진 고양이 사진을 학습시킴 (Label이 달려있음)
Email spam filter
Predicting exam score

 

 

2. Unsupervised learning

Label이 정해지지 않은 데이터

 

ex.
Google news grouping

 

 

* AlphaGo

• 기존의 바둑판 대국 데이터로 학습시킴

 

 

* Supervised learning의 종류

1. Predicting exam score based on time spent

• 성적이 0~100점으로 범위가 정해져있음
• 예측은 regression으로 함
• training data set 모양

x (hours)	y (score)
10	90
9	80
3	50
2	30

 

2. Pass/non-pass based on time spent

• 성적이 pass/non-pass 두 가지임
• 예측은 binary classification으로 함
• training data set 모양

x (hours)	y (pass/fail)
10	P
9	P
3	F
2	F

 

3. Letter grade(A, B, C, E and F) based on time spent

• 성적이 A, B, C, E ,F중 하나임
• 예측은 multi-label classification으로 함
• training data set 모양

x (hours)	y (pass/fail)
10	A
9	B
3	D
2	F

 

 

 

 

 

 

 

<Reference>

 

https://hunkim.github.io/ml/

모두를 위한 머신러닝/딥러닝 강의