머신러닝의 이해와 라이브러리 활용 기초_1.머신러닝의 기초

출처: 1. 머신러닝의 기초

1. 머신러닝의 기초 | Notion

 

1. 머신러닝의 기초

1. 학습목표

✔️ 머신러닝에 대한 기본을 알고 실습환경을 구축해봅시다.

 

2. 머신러닝의 기본 정의 및 역사

✔️ 머신러닝에 대한 기본 개념을 알아봅시다.

 

2.1.머신러닝의 정의

☑️ 머신러닝? 딥러닝?

여러분들이 생각하는 머신러닝의 이미지는 뭔가요?

• 머신러닝 이미지

☑️ 머신러닝 관련 용어 정리

• AI: 인간의 지능을 요구하는 업무를 수행하기 위한 시스템
• Machine Learning: 관측된 패턴을 기반으로 의사 결정을 하기 위한 알고리즘
• Deep Learning: 인공신경망을 이용한 머신러닝
• Data science: AI를 포괄하여 통계학과 컴퓨터공학을 바탕으로 발전한 융합학문
• Data Analysis: 데이터 집계, 통계 분석, 머신러닝을 포함한 행위

📌 머신러닝(ML)은 기술 통계 등을 통하여 집계된 정보로 의사결정을 했던 과거와 달리 데이터 수집과 처리 기술의 발전으로 대용량 데이터의 패턴을 인식하고 이를 바탕으로 1)예측, 2)분류하는 방법론을 말합니다.

 

☑️ 왜 머신러닝이 발전했을까?

📌 “왜 머신러닝이 발전 했을까?“ 라는 물음에는 인간은 데이터를 기반으로 한 의사결정을 내리고 싶기때문입니다.

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

• 데이터 처리 기술의 발전 - 서비스

• 데이터 처리 기술의 발전 예시- 저장매체 가격의 하락
  그러니까, 옛날에는 데이터를 저장하려고 해도 이런 데이터 공간의 확보 문제가 있었기때문에(가격이 너무 비싸잖아) 모든 데이터를 수집할 수 없었어..

• 머신러닝: 전체 데이터에서 패턴을 파악하기 위한 방법

 

☑️ 머신러닝 종류

• Supervised Leaning(지도 학습)
• Unsupervised Learning(비지도 학습)
• Reinforcement Learning(강화 학습)

 

☑️ 머신러닝 적용 분야

[숫자 기반의 ML] -> 우리 교육의 목표는 이쪽에 더 가까워!
금융: 신용평가, 사기탐지, 주식 예측
헬스케어: 질병 예측, 환자 데이터 분석
이커머스: 고객 구매 패턴 분석, 추천 시스템, 가격 최적화, 장바구니 분석

[Deep Learning]
자연어처리: 번역, 챗봇, 텍스트분석
이미지 & 영상처리: 얼굴인식, 이미지 생성

 

⁉️ 질문

• Q1) 데이터 분석은 반드시 머신러닝을 해야하나요?
  • 데이터 분석은 데이터를 가지고 가치를 창출하는 포괄적인 행동입니다. 멋진 알고리즘과 복잡한 통계 지식이 없더라도 아니더라도 데이터 분석은 가능합니다.
• Q2) 그럼 머신러닝을 왜 배워야 하나요?
  • 데이터 분석이라는 분야는 굉장히 다양합니다. 금융, 의료, 이커머스, 제조 등 어느 분야의 데이터 분석 직군으로 일하더라도 머신러닝을 활용한 업무와 밀접한 연관이 있기 때문에 전체 큰 그림을 볼 줄 알아야 합니다.
• Q3) 이 과목을 수강 하면 머신러닝 실무자가 될 수 있나요?
  • 머신러닝을 포함한 데이터 사이언스의 학문은 특히나 깊이가 깊기 때문에, 통계학과 컴퓨터공학의 깊은 이해 없이 Data Scientist 가 될 순 없습니다. 머신러닝 실무자가 되기 위해서는 기반을 탄탄히 하는게 중요합니다.

☑️ 이번 강의에서 배우게 될 내용

1. 숫자(정형데이터)를 맞추는 방법: 회귀 분석의 원리
2. 범주를 맞추는 방법: 분류 분석의 원리
3. 머신러닝 전체 프로세스
4. 더 많은 머신러닝 모델
5. 딥러닝의 원리

☑️ 강의 방식

• (이론) 기본 지식 설명
• (실습) 파이썬 라이브러리를 활용한 모델링