[모두를 위한 딥러닝 시즌2][Lab1] 기본적인 Machine Learning 의 용어와 개념 설명

이번 Lab에서는 머신러닝(Machine learning)이 무엇인지 학습하고,
supervised/unsupervised learning, regression과 classification에 대해 알아볼것이다.

머신 러닝(machine learning, ML)이 탄생하기 이전에 explicit programming이 있었다.
이 프로그래밍은 스팸 메일을 걸러준다거나 자율 주행등 미리 짜여진 rule대로 logic을 실행한다.
하지만 이 explicit programming은 너무 많은 경우(rule)들이 존재할 때 프로그래밍하는데 한계가 있다.

그래서 1959년에 Arthur Samuel가 생각해낸것이 사람이 직접 하는 explicit programming없이
컴퓨터가 스스로 배우는 능력을 가져서 학습하는 Machine learning을 생각해냈다.




Machine learning은 학습하는 방법에 따라서 supervised/unsupervised learning으로 나뉜다.

supervised learning은 labeled examples(training set)으로 학습하는 방식이다.
cat이라는 lable이 주어진 고양이 사진들을 주고 학습하는 경우가 이 방식이다.

unsupervised learning은 un-labeled data로 학습하는 방식이다.
특정한 label로 규정할 수 없을때, 예를 들어 google news grouping은 이 방식으로 학습된다.




supervised learning은 3가지 type으로 나눌 수 있다.

- 정확한 값을 예측하는 regression
- 두가지 값 중 하나로 예측하는 binary classification
- 여러가지 값 중 하나로 예측하는 multi-label classification






[모두를 위한 딥러닝 시즌2] - 기본적인 Machine Learning 의 용어와 개념 설명 유튜브 링크
☞ https://www.youtube.com/watch?v=qPMeuL2LIqY&list=PLQ28Nx3M4Jrguyuwg4xe9d9t2XE639e5C&index=2