이 레슨과 관련된 학습 키워드
인공지능(AI) — 기계가 생각하는 법 → 머신러닝 — 데이터에서 지식을 추출하다 → 지도학습 기초 — 데이터에서 패턴 배우기 → 선형 모델
A motivational overview of the entire ML course — what you will learn, why it matters, and how to approach it.
안녕하세요, 머신러닝 과목의 첫 번째 레슨을 시작하겠습니다.
오늘의 주제는 머신러닝이란 무엇인가, 그리고 데이터에서 스스로 배운다는 것이 어떤 의미인지 알아봅니다.
그림 위쪽의 큰 파란색 영역을 보세요.
이것이 인공지능, 즉 에이아이의 전체 범위입니다.
인공지능 안에 보라색으로 표시된 머신러닝이 들어있죠.
그리고 머신러닝 안에 다시 빨간색 딥러닝이 포함되어 있습니다.
즉, 에이아이가 가장 큰 범주이고, 머신러닝은 그 부분 집합, 딥러닝은 머신러닝의 부분 집합입니다.
이제 오른쪽 비교 상자를 보세요.
전통 프로그래밍에서는 사람이 규칙을 직접 코딩합니다.
예를 들어 키가 180 이상이면 농구선수로 추천하라는 식이죠.
하지만 머신러닝에서는 반대입니다.
데이터와 정답을 주면, 컴퓨터가 스스로 규칙을 발견합니다.
톰 미첼 교수의 1997년 정의를 살펴봅시다.
경험 이로부터 과제 티의 성능 피가 향상되면 학습했다고 말합니다.
쉽게 말하면, 데이터가 많아질수록 더 정확해지는 프로그램이 머신러닝입니다.
이 문장이 핵심이니 꼭 기억해두세요.
좋은 데이터를 충분히 모으는 것이 머신러닝의 첫 번째 과제입니다.
데이터 품질이 낮으면 아무리 좋은 알고리즘도 제대로 작동하지 않습니다.
이것을 가비지 인, 가비지 아웃이라고 부릅니다.
다음 슬라이드에서는 전통 프로그래밍과 머신러닝의 차이를 더 자세히 비교해보겠습니다.