🙆♂️머신 러닝 이란
딥러닝을 알기 위해서는 먼저 머신러닝을 알아야 합니다.
먼저 머신러닝은 기계에게 학습시키는 것입니다. 사람이 가이드를 줘서 학습을 시킬 수도 있지만
이 가이드(알고리즘)을 수많은 데이터를 입력해서 기계가 알고리즘을 짤 수 있도록 합니다.
🙋♂️머신러닝 종류
🚀supervised learning - 지도 학습
데이터에 정답이 있는 경우에 정답을 예측하기 위해서 모델을 만들 때 사용합니다.
예를 들어 사진을 보고 개인지 고양이인지 구분하는 모델을 만들 때 사용하는 것입니다.
🚀unsupervised learning - 비지도 학습
데이터에 정답이 없는 경우에 사용합니다. 다양한 종류의 사진들이 있을 때
컴퓨터한테 비슷한 종류끼리 분류해보라고 하는 것입니다.
🚀reinforcement learning - 강화학습
어떠한 환경에서 어떠한 행동을 했을 때 그것이 잘 된 행동인지 잘못된 행동인지를 나중에 판단하고 보상(또는 벌칙)을 줌으로써 반복을 통해 최종 점수를 높이도록 학습하는 알고리즘 입니다.
🙋♂️머신러닝 시나리오
머신 러닝을 시키면 주어진 데이터를 갖고 나올 데이터를 예측하는 것입니다.
이 때 이렇게 각각 데이터 셋에 w1값과 w2값 즉 가중치를 곱하여 데이터를 예측하는 것입니다.
이 때 가중치에 대한 기준을 컴퓨터에게 알린다면 컴퓨터는 그 기준에 최적화된 가중치를 찾게 됩니다.
간단하게 실제 있었던 빅데이터들을 넣고 컴퓨터에서 만든 알고리즘의 결과값과 비교했을 때 나오는 오차 값들을
최소화 하도록 주문하는 방법이 있습니다.
여기에서 중간에 결과값에 영향을 주는 hidden layer가 넣어져 있다면 Neural Network가 되어 딥러닝이 됩니다.
이렇게 다양한 종류의 뉴럴 네트워크들이 있습니다.
딥러닝이 잘되는 분야는 두 가지가 있는데 하나는 이미지 분류나 객체 탐지 분야에 잘 사용되고
sequence data(순서가 있는 데이터)에 대한 분석과 예측 분야에서 유용합니다.
참고 영상: https://www.youtube.com/watch?v=U57LVkQVf4o&list=PLfLgtT94nNq1DrREU_qG2w4yd2ZzJb-FG&index=2