Recomendados
Mais conteúdo relacionado
Semelhante a MachineLearning
Semelhante a MachineLearning (20)
Mais de Wonjun Hwang
Mais de Wonjun Hwang (20)
MachineLearning
- 2. Intro 예시 : 주어진 사진으로부터 고양이 사진인지 강아지 사진인지 판별하는 일. def prediction(이미지 as input): if 눈코귀가 있을 때 : if 근데 강아지는 아닐 때 if 털이 있고 꼬리가 있을 때 : if 다른 동물이 아닐 때 … 어케하누… return 결과 전통적인 방식으로 개발자가 직접 규칙을 정의
- 3. 머신러닝(Machine Learning)? • 데이터를 통해 기계가 규칙을 스스로 찾아내는 방법 • 인공지능(AI)의 한 분야로, 기계가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야
- 4. 인공지능(AI)? 인공지능(Artificial Intelligence) • 기계가 사람처럼 지능이 필요한 일을 하도록 만드는 과학 • 환경을 인지하고 목표를 성공적으로 달성할 가능성을 극대화하도록 조치를 취할 수 있는 시스템 Ex) 자율 주행 자동차, 스마트 스피커, 챗봇, 인공지능 로봇, 이미지 인식, 개인화 추천, 기계 번역
- 5. 딥러닝(DL)? 딥 러닝(Deep Learning) • 인간의 뇌에서 신경 세포를 사용하는 방식과 유사한 알고리즘을 사용하는 머신 러닝(ML) 의 하위 분야 • 우리 생활의 예를 통해 우리 인간들이 쉽고 자연스럽게 하는 일을 컴퓨터에 가르치는 머신 러닝 기술 인공 신경망(Artificial Neural Network) • 인간의 뇌 속 뉴런의 작용을 본떠 패턴을 구성한 컴퓨팅 시스템의 일종
- 6. 딥러닝(DL)? 심층 신경망(DNN, Deep Neural Network) • 레이어가 한 층으로만 구성된 것이 아니라 여러 층, 다시 말해 깊은 층으로 구성된 인공 신경망 심층 신경망이 학습하는 과정 -> 딥러닝 「 」
- 7. 인공지능(AI)? 머신러닝(ML)? 딥러닝(DL)? 인공지능(AI) > 머신러닝(ML) > 딥러닝(DL)
- 8. 프로그래밍 방식 & 머신러닝 방식 기존 컴퓨터 프로그램 머신 러닝 알고리즘 입력값을 받으면 결과값을 출력하는 방식 내부적 알고리즘이 중요 입력값과 결과값을 가지고 컴퓨터가 학습을 통하여 규칙을 도출 해낸 다음 새로운 입력값이 주어졌을 때 결과를 예측 데이터가 중요. 데이터 중심 & 모델 중심
- 9. 머신러닝의 학습분류
- 10. 머신러닝의 학습분류 - 지도학습 데이터를 학습시킬 때 답까지 같이 알려주는 방식의 학습 방법 강아지와 고양이 사진을 구분하는 방법을 학습할 때 사진과 함께 이것이 강이지인지 고양이인지 알려주는 것
- 11. 머신러닝의 학습분류 - 지도학습 • 레이블이 달린 데이터로 학습 후 새로운 데이터가 어느 그룹에 속하는지 찾아내는 방법 • 예측하려는 값이 이산 값 일 경우 (자동차, 사람, 도로) • 예로 ‘스팸 메일 구분’ • 연속적인 숫자(실수)를 예측하는 것 • 예측하려는 값이 연속 값 일 경우 (0.31, 0.301, 0.3001) • 예로 ‘아파트가격 예측’, ‘기온 예측’
- 12. 머신러닝의 학습분류 - 비지도학습 데이터를 학습시킬 때 답을 알려주지 않고, 데이터의 특성에 따라 관계나 패턴을 찾아 스스로 학습하는 방식 동물 사진을 분류할 경우 사진의 구조나 특성 별로 분류
- 13. 머신러닝의 학습분류 - 비지도학습 군집화 (Clustering) • 레이블이 없는 학습 데이터들의 특징을 분석하여 유사한 특징을 가진 데이터 끼리 그룹화 하는 것 군집화의 과정 • 데이터를 좌표화 -> 가까운 것들 끼리 모아 하나의 그룹을 만든다 ( 좌표상 가깝다는 것은 데이터가 비슷하다는 것을 의미)
- 14. 머신러닝의 학습분류 - 비지도학습 연관 규칙 (association rule) • 서로 연관된 특징을 찾아 내는 것 • 주로 추천과 관련된 부분에 사용 (장바구니 분석) • 라면을 구입한 사람은 계란을 구입할 확률이 높다 • 즉, 라면과 계란은 서로 연관성(Association)이 높다 연관성을 파악 -> 연관성이 있는 상품을 추천
- 15. 머신러닝의 학습분류 - 비지도학습 군집화 vs 연관 규칙
- 16. 머신러닝의 학습분류 - 강화학습 행동에 대한 보상을 받으면서 학습하여 어떤 환경 안에서 선택 가능한 행동들 중 보상을 최대화하는 행동 또는 행동 순서를 선택하는 방법 즉, 어떤 환경 안에서 정의된 주체(agent)가 현재의 상태(state)를 관찰하여 선택할 수 있는 행동(action)들 중에서 가장 최대의 보상(reward)을 가져다주는 행동이 무엇인지를 학습하는 것 (ex 알파고, 각종 게임) • 환경(environment) • 에이전트(agent) • 상태(state) • 행동(action) • 보상(reward) • 정책(policy)
- 17. 머신러닝의 학습분류 - 강화학습 강화학습의 예 더 많은 보상을 받을 수 있는 정책을 만드는 것이 핵심 • 게임 -> 환경(environment) • 게이머 -> 에이전트(agent) • 게임화면 -> 상태(state) • 게이머의 조작 -> 행동(action) • 상과 벌 -> 보상(reward) • 게이머의 판단력 -> 정책(policy) 1. 게임은 게이머에게 게임화면을 통해 현재의 상태를 보여준다. (캐릭터의 위치나 장애물의 위치 등등) 2. 현재의 점수도 알려준 뒤 게이머에게는 점수가 높아지는 것이 상이고 반대로 점수가 낮아지는 것이 벌이다. 3. 플레이(관찰)를 하며 어떻게 하면 더 많은 보상을 얻게 되는지, 또한 더 적은 벌을 받게 되는지 알게 된다. 4. 그로 인해 게이머의 판단력이 강화된다. 5. 강화된 판단력에 따라 게임을 조작한다 6. 그 조작은 게임에 변화를 가져온다.
- 18. 머신러닝이 쓰이는 분야
- 19. 머신러닝 서비스
- 20. Amazon SageMaker
- 21. MNIST Dataset MNIST Dataset & Fashion MNIST Dataset • 28×28의 크기의 0~9 숫자 이미지 70,000개 MNIST Dataset & Fashion MNIST Dataset • 28×28의 크기의 픽셀 이미지 70,000개 0 T-shirt/top 1 Trouser 2 Pullover 3 Dress 4 Coat 5 Sandal 6 Shirt 7 Sneaker 8 Bag 9 Ankle boot
- 22. 데이터 예측 데이터 준비 → 학습 → 배포 → 테스트 → 예측
- 23. End Thank You