[교육봉사] 머신러닝의 개념

1. What is AI

공부를 하면서 느끼는 인공지능 개념은 알고리즘을 기반으로 과거의 상황, 데이터를 기반으로 비슷한 상황이 왔을 때 답을 유추하는 방식이라고 생각한다.

 

가령 한 이미지를 보고 이 이미지가 강아지인지 고양이인지를 판단하는 모델이 있다고 한다면 이것은 이전까지의 강아지 이미지를 학습하고 강아지의 외형적 특성을 데이터로 녹여 모델에 학습하고 어떤 이미지가 들어왔을 때 그것이 강아지의 외형과 비슷하다면 그것을 강아지라고 판단하는 게 가능하다.

 

이렇게 인공지능 분야는 다양하게 넓은 분야에서 사용이 가능하며 알고리즘을 변경하여 다양한 분야에서 활용이 가능하다. 

 

 

2. Machine Learning

기계 학습(機械學習) 또는 머신 러닝(영어: machine learning)은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이다. [1] 인공지능의 한 분야로 간주된다. 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다.

기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있다. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다. 이는 전산 학습 이론 분야이기도 하다. 다양한 기계 학습의 응용이 존재한다. 문자 인식은 이를 이용한 가장 잘 알려진 사례이다.

-위키백과

 

머신러닝(Machine Learning)은 인공지능 분야에서 한 부분을 이야기한다. 위의 사진과 같이 머신러닝은 인공지능 분야의 한 부분으로 이야기를 한다.

 

2.1 머신러닝의 분류

머신러닝을 설명했던 것처럼 데이터를 기반으로 모델을 학습하는 게 머신러닝이다. 그렇다면 그 데이터는 과거의 상황에 대한 정답을 같이 가지고 있다. 하지만 실생활이 그렇듯 항상 상황에 대한 답이 있는 것은 아니다. 이런 머신러닝의 분류를 데이터에 대한 target 데이터가 있는 태스크를 지도학습(Supervised Learning)이라고 하고 없는 상황을 비지도학습(Un-supervised Learning) 이라고 한다. 또한 데이터의 정답이나 답을 예측하는 게 아니라 상황에 대한 어떤 행동을 정답으로 하는 방식을 강화학습(Reinforcement Learning)이라고 한다. 강화학습의 유명한 예시로 우리가 알고 있는 알파고의 바둑 케이스를 생각하면 쉽게 이해가 가능하다.

지도학습(Supervised Learning)

- 분류 Classification

- 회귀 Regression

 

비지도학습(Un-supervised Learning)

- 클러스터링(군집화) Clustering

- 차원 축소

- 강화학습