Machine Learning 이란,

• 데이터를 기반으로 패턴을 학습하고 결과를 추론하는 알고리즘 기법을 통칭함
• 데이터 마이닝, 영상 인식, 음성 인식, 자연어 처리 등의 분야에 쓰임.

Machine Learning 이 필요한 이유

• 현실 세계의 복잡한 업무와 규칙을 구현하기 위함.
• 수시로 변하는 환경에 따른 애플리케이션 구현의 어려움 해소
• 예측 정확성 문제를 해결하기 위함.
• 여러 변형으로 인한 인식률 저하 문제를 해소하기 위함.

머신러닝은 문제와 답을 주고 규칙을 찾음.

Machine Learning 의 유형

지도학습(Supervised Learning)

• 분류
• 회귀
• 추천 시스템
• 시각/음성 감지/인식

비지도학습 (Un-Supervised Learning)

• 군집화(클러스터링)
• 차원 축소
• 토픽 모델링, 문서 군집화
• 답이 있으면 지도학습, 답이 없으면 비지도학습!!
• 강화학습도 있지만 본 강의에서는 다루지 않음.

Machine Learning 의 단점

• Garbage In, Garbage Out

• 학습시와 실제 환경 데이터 적용시 과적합 되기 쉬움.

• 데이터만 집어 넣으면 자동으로 최적화된 결과를 도출할 것이라는 것은 환상임…

  → 끊임없이 모델을 개선하기 위한 노력 필요!

  ---