[인공지능] 머신러닝의 이해

머신 러닝 개요

머신러닝: 입력 데이터가 주어졌을 때 답을 유추해 줄 수 있는 최적의 함수를 찾는 것.

서로 다른 유형의 머신러닝 기법은 최적의 함수를 찾는 기법이 서로 다르다.

머신 러닝 종류

• 기호 주의: 결정 트리 등
• 연결 주의: 신경망/딥러닝
• 확률 주의: 베이지안 통계
• 유전 알고리즘
• 유추 주의

머신 러닝의 대두

• 보다 지능화된 서비스 구현의 필요
• 종잡을 수 없는 패턴에 따른 어플리케이션 구현의 어려움
• 기존 컴퓨터 사이언스의 패러다임 변화가 요구됨

### 복잡한 패턴 인식의 어려움

동일한 숫자라 하더라도 여러 변형으로 인해 숫자 인식에 필요한 여러 특징들을 if else와 같은 조건으로 구분하여 숫자를 인식하기 어려움

머신러닝을 통한 복잡한 패턴 인식의 해결

• 머신러닝은 이러한 복잡한 문제를 데이터를 기반으로 숨겨진 패턴을 인지해 해결한다.
• 머신러닝 알고리즘은 데이터를 기반으로 통계적인 신뢰도를 강화하고 예측 오류를 최소화하기 위한 다양한 수학적 기법을 적용해 데이터 내의 패턴을 스스로 인지하고 신뢰도 있는 예측 결과를 도출해 낸다.

머신은 어떻게 학습하는가?

학습 데이터의 예측 오류를 최소화 할 수 있도록 최적화하는 알고리즘을 통해 학습

머신 러닝 정리

• 머신 러닝이란 어플리케이션을 수정하지 않고도 데이터를 기반으로 패턴을 학습하고 결과를 추론하는 알고리즘 기법을 통칭.
• 현실 세계의 매우 복잡한 조건으로 인해 기존의 소프트웨어 코드만으로는 해결하기 어려웠던 많은 문제점들을 이제 머신 러닝을 이용해 해결함.
• 영상인식, 음성 인식, 자연어 처리, 데이터 마이닝에서 머신 러닝을 적용하면서 급속한 발전 가능.

참고 자료

딥러닝 CNN 완벽가이드