인공지능(AI) 머신러닝에 대해서 알아보자

머신러닝이란?

• 사용하는 데이터를 기반으로 학습 또는 성능 향상을 지원하는 시스템을 구축하는 데 초점을 맞추는 인공 지능의 하위 집합이다.
• 머신러닝의 알고리즘에서 인간의 뇌를 모방한 게 딥러닝인데 이것은 나중에 알아보도록 하자.
• 일단 머신러닝은 크게 4가지로 나뉠 수 있다.
• 밑에 그림을 보면 이해가 쉽다.

머신러닝 이해도 사진

• 머신 러닝은 해결을 위한 접근 방식이 기존의 프로그래밍 방식과는 다르다.
• 위 이미지에서 위쪽은 기존의 프로그래밍의 접근 방식, 아래쪽은 머신 러닝의 접근 방식이다.
• 머신 러닝은 데이터가 주어지면, 기계가 스스로 데이터로부터 규칙성을 찾는 것에 집중한다. 주어진 데이터로부터 규칙성을 찾는 과정을 우리는 훈련(training) 또는 학습(learning)이라고 한다.

 

데이터셋

 

• 머신 러닝을 위한 데이터를 준비했다면 기계를 학습하기 전 해당 데이터를 훈련용, 검증용, 테스트용 이렇게 세 가지로 분리하는 것이 일반적이다.
• 훈련 데이터는 머신 러닝 모델을 학습하는 용도이다.
• 테스트 데이터는 학습한 머신 러닝 모델의 성능을 평가하기 위한 용도이다.
• 검증용 데이터는 모델의 성능을 평가하기 위한 용도가 아니라 모델의 성능을 조정하기 위한 용도이다. 더 정확히는 모델이 훈련 데이터에 과적합(overfitting) 이 되고 있는지 판단하거나 하이퍼파라미터의 조정을 위한 용도

 

 

위에 이미지 데이터를 3개의 데이터셋으로 변환하는 부분은 아래 사이트를 참고하면 좋을 것이다.

 

인공지능 딥러닝 공부의 필요한 roboflow으로 라벨링, 증강, 전처리, 학습 사용법

 

 

여기서 하이퍼파라미터는(초매개변수): 모델의 성능에 영향을 주는 사람이 값을 지정하는 변수이다.

매개변수: 가중치와 편향. (한마디로 weight와 bias라고 한다.) - 값이 계속해서 변하는 수를 말한다.

여기 부분은 딥러닝 할 때 더 자세히 다루도록 하겠다.

 

 

 

다음은 머신러닝의 3가지 학습 종류에 대해 알아보려고 한다.