Song1234 2024. 6. 11. 16:40

1. 머신러닝(Machine Learning)

  • 인공지능: 인공(Artificial) + 지능(Interlligence)
    • 1956: 인간의 지능을 복제하거나 능가할 수 있는 지능형 기계를 만들고자 하는 컴퓨터 과학 분야
  • 개발자에 의한 인공지능, 데이터에 의한 인공지능
  • 머신러닝: 데이터를 기반으로 한 학습(learning) 하는 기계(machine)
    • 1997: 기계가 기존 데이터에서 학습하고 해당 데이터를 개선하여 의사 결정 또는 예측을 할 수 있도록 하는 AI의 하위 집합
  • 딥러닝: 깊은 (deep) 신경망 구조의 머신러닝
    • 2017: 신경망 레이어를 사용하여 데이터를 처리하고 결정을 내리는 기계 학습 기술
  • Generative AI
    • 2021: 프롬프트나 기존 데이터를 기반으로 새로운 문서, 시각, 청각 컨텐츠를 생성하는 기술
  • ChatGPT
    • 2022: GPT(Generative Pre-trained Transfoermer) 시리즈를 기반으로 하는 OpenAI가 개발한 대화형 AI 모델

2. 머신러닝의 정의

  • 배경: 데이터를 대량으로 수집 처리 할 수 있는 환경이 갖춰짐으로 머신러닝으로 할 수 있는 일들이 많아짐
  • 머신러닝은 데이터로부터 특징이나 패턴을 찾아내는 것이기 때문에 데이터가 가장 중요함
  • 인공지능의 한 분야로 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하는 분야
  • "무엇(x)으로 무엇(y)을 예측하고 싶다" 의 f(함수)를 찾아내는 것
  • x: 입력변수(독립변수) , y: 출력변수(종속변수), f모형( 머신러닝 알고리즘)

3. 머신러닝으로 할 수 있는 것

3-1. 회귀(Regression)

  • 시계열(시간적인 변화를 연속적으로 관측한 데이터) 데이터 같은 연속된 데이터를 취급할 때 사용하는 기법
  • 예측
  • 예 ) 과거 주식 추세를 학습해서 내일의 주가를 예측하는 시스템을 개발

3-2. 분류(Classification)

  • 주어진 데이터를 클래스별로 구별해 내는 과정으로 데이터와 데이터의 레이블값을 학습시키고 어느 범주에 속한 데이터인지 판단
  • 예 ) 스팸메일인지 아닌지 구별해주는 시스템을 개발

3-3. 클러스터링 (Clusterling)

  • 분류와 비슷하지만 데이터에 레이블이 없음
  • 유사한 속성들을 갖는 데이터를 일정한 수의 군집으로 그룹핑하는 비지도 학습
  • 예 ) SNS 데이터를 통해 소셜 및 사회 이슈를 파악

4-1. 지도 학습(Supervised Learning)

  • 문제와 정답을 모두 학습시켜 예측 또는 분류하는 문제
  • y=f(x)에 대하여 입력 변수(x)와 출력 변수(y)의 관계에 대하여 모델링 하는것
  • y 에 대하여 예측 또는 분류하는 문제

4-2. 비지도 학습(Unsupervised Learning)

  • 출력 변수(y)가 존재하지 않고, 입력 변수(x) 간의 관계에 대해 모델링 하는 것
  • 군집분석: 유사한 데이터끼리 그룹화
  • PCA: 독립변수들의 차원을 축소화

4-3. 자기지도 학습(Self-Supervised Learning)

  • 데이터 자체에서 스스로 레이블을 생성하여 학습에 이용하는 방법
  • 다량의 Label 에 없는 Raw Data로 부터 데이터 부분들의 관계를 통해 Label을 자동으로 생성하여 지도 학습에 이용하는 비지도 학습 기법
  • GPT,BERT 모델

4-4. 강화 학습(Reinforcement Learning)

  • 결정을 순차적으로 내려야 하는 문제에 적용
  • 레이블이 있는 데이터를 통해서 가중치와 편향을 학습하는 것과 비슷하게 보상이라는 개념을 사용하여 가중치와 편향을 학습하는것