Pikachú
9e189e28e2
|
8 months ago | |
|---|---|---|
| .. | ||
| README.md | 8 months ago | |
| assignment.md | 8 months ago | |
README.md
머신 러닝 소개
강의 전 퀴즈
🎥 위 이미지를 클릭하면 이 강의를 다루는 짧은 비디오를 볼 수 있습니다.
초보자를 위한 클래식 머신 러닝 강좌에 오신 것을 환영합니다! 이 주제가 처음이든, 특정 영역을 복습하고 싶은 경험 있는 ML 실무자든, 함께 하게 되어 기쁩니다! 여러분의 ML 학습을 위한 친근한 출발점을 만들고자 하며, 피드백을 평가하고, 응답하고, 반영하는 것을 기쁘게 생각합니다.
🎥 위 이미지를 클릭하면 MIT의 John Guttag이 머신 러닝을 소개하는 비디오를 볼 수 있습니다.
머신 러닝 시작하기
이 커리큘럼을 시작하기 전에, 노트북을 로컬에서 실행할 수 있도록 컴퓨터를 설정해야 합니다.
- 이 비디오들로 컴퓨터 설정하기. 시스템에 파이썬 설치 방법과 개발을 위한 텍스트 편집기 설정을 배우기 위해 다음 링크를 사용하세요.
- 파이썬 배우기. 데이터 과학자에게 유용한 프로그래밍 언어인 파이썬에 대한 기본적인 이해를 갖추는 것이 좋습니다.
- Node.js와 자바스크립트 배우기. 이 과정에서 웹 앱을 구축할 때 몇 번 자바스크립트를 사용하므로 node와 npm을 설치하고, 파이썬과 자바스크립트 개발을 위한 Visual Studio Code도 설치해야 합니다.
- GitHub 계정 만들기. GitHub에서 우리를 찾았으니 이미 계정이 있을 수도 있지만, 그렇지 않다면 계정을 만들고 이 커리큘럼을 포크하여 사용하세요. (별표도 주시면 좋겠습니다 😊)
- Scikit-learn 탐색하기. 이 강의에서 참조하는 ML 라이브러리 세트인 Scikit-learn에 익숙해지세요.
머신 러닝이란 무엇인가?
'머신 러닝'이라는 용어는 오늘날 가장 인기 있고 자주 사용되는 용어 중 하나입니다. 어떤 분야에서 일하든 기술에 대해 어느 정도 익숙하다면 이 용어를 한 번쯤은 들어봤을 가능성이 큽니다. 그러나 머신 러닝의 메커니즘은 대부분의 사람들에게는 신비롭습니다. 머신 러닝 초보자에게는 이 주제가 때로는 벅차게 느껴질 수 있습니다. 따라서 머신 러닝이 실제로 무엇인지 이해하고, 실용적인 예제를 통해 단계적으로 배우는 것이 중요합니다.
과대광고 곡선
구글 트렌드는 '머신 러닝' 용어의 최근 '과대광고 곡선'을 보여줍니다.
신비로운 우주
우리는 매혹적인 신비로 가득 찬 우주에 살고 있습니다. Stephen Hawking, Albert Einstein 등 많은 위대한 과학자들은 우리 주변 세계의 신비를 밝혀내기 위해 평생을 바쳤습니다. 이것이 학습의 인간 조건입니다: 인간의 아이는 새로운 것을 배우고 성인이 될 때까지 해마다 자신의 세계 구조를 발견합니다.
아이의 두뇌
아이의 두뇌와 감각은 주변 환경의 사실을 인식하고 점차 삶의 숨겨진 패턴을 배우며, 이러한 패턴을 식별하는 논리적 규칙을 만들도록 도와줍니다. 인간 두뇌의 학습 과정은 인간을 이 세상의 가장 정교한 생명체로 만듭니다. 숨겨진 패턴을 발견하고 그 패턴을 혁신함으로써 끊임없이 배우는 것은 우리가 평생 동안 더 나아질 수 있게 합니다. 이 학습 능력과 진화 능력은 뇌 가소성이라는 개념과 관련이 있습니다. 표면적으로, 인간 두뇌의 학습 과정과 머신 러닝 개념 사이에 몇 가지 동기적인 유사점을 그릴 수 있습니다.
인간 두뇌
인간 두뇌는 실제 세계에서 정보를 인식하고, 인식된 정보를 처리하며, 합리적인 결정을 내리고, 상황에 따라 특정 행동을 수행합니다. 이를 지능적으로 행동한다고 합니다. 지능적 행동 과정을 기계에 프로그램하는 것을 인공지능(AI)이라고 합니다.
몇 가지 용어
용어가 혼동될 수 있지만, 머신 러닝(ML)은 인공지능의 중요한 하위 집합입니다. ML은 특수한 알고리즘을 사용하여 의미 있는 정보를 발견하고 인식된 데이터에서 숨겨진 패턴을 찾아 합리적 의사 결정 과정을 확립하는 것에 중점을 둡니다.
AI, ML, 딥 러닝
AI, ML, 딥 러닝, 데이터 과학 간의 관계를 보여주는 다이어그램. Jen Looper의 인포그래픽으로 이 그래픽에서 영감을 받았습니다.
다룰 개념
이 커리큘럼에서는 초보자가 반드시 알아야 할 머신 러닝의 핵심 개념만 다룰 것입니다. 우리는 많은 학생들이 기초를 배우기 위해 사용하는 훌륭한 라이브러리인 Scikit-learn을 주로 사용하여 '클래식 머신 러닝'을 다룹니다. 인공지능이나 딥 러닝의 더 넓은 개념을 이해하려면 머신 러닝에 대한 강력한 기초 지식이 필수적이므로, 여기에서 이를 제공하고자 합니다.
이 강의에서 배우게 될 것:
- 머신 러닝의 핵심 개념
- ML의 역사
- ML과 공정성
- 회귀 ML 기술
- 분류 ML 기술
- 군집화 ML 기술
- 자연어 처리 ML 기술
- 시계열 예측 ML 기술
- 강화 학습
- ML의 실제 응용
다루지 않을 내용
- 딥 러닝
- 신경망
- AI
더 나은 학습 경험을 위해, 신경망, '딥 러닝' - 신경망을 사용한 다층 모델 구축 - 및 AI의 복잡성을 피할 것입니다. 이는 다른 커리큘럼에서 다룰 예정입니다. 또한 이 더 큰 분야에 집중하기 위해 다가오는 데이터 과학 커리큘럼도 제공할 것입니다.
왜 머신 러닝을 공부해야 하는가?
시스템 관점에서 머신 러닝은 데이터에서 숨겨진 패턴을 학습하여 지능적인 결정을 내리는 자동화 시스템을 만드는 것으로 정의됩니다.
이 동기는 인간 두뇌가 외부 세계에서 인식한 데이터를 기반으로 특정한 것을 배우는 방식에서 느슨하게 영감을 받았습니다.
✅ 비즈니스가 하드 코딩된 규칙 기반 엔진을 만드는 대신 머신 러닝 전략을 사용하려는 이유를 잠시 생각해 보세요.
머신 러닝의 응용
머신 러닝의 응용은 이제 거의 모든 곳에 있으며, 우리 사회에서 스마트폰, 연결된 장치 및 기타 시스템에 의해 생성되는 데이터만큼이나 널리 퍼져 있습니다. 최첨단 머신 러닝 알고리즘의 엄청난 잠재력을 고려할 때, 연구자들은 다차원적이고 다학문적인 실제 문제를 해결하는 데 그 능력을 탐구해 왔으며, 긍정적인 결과를 얻고 있습니다.
적용된 ML의 예
다양한 방식으로 머신 러닝을 사용할 수 있습니다:
- 환자의 병력이나 보고서에서 질병의 가능성을 예측합니다.
- 기상 데이터를 활용하여 기상 이벤트를 예측합니다.
- 텍스트의 감정을 이해합니다.
- 가짜 뉴스를 감지하여 선전의 확산을 막습니다.
금융, 경제학, 지구과학, 우주 탐사, 생물 의공학, 인지 과학, 심지어 인문학 분야에서도 머신 러닝을 적용하여 그들의 분야에서 어려운 데이터 처리 문제를 해결하고 있습니다.
결론
머신 러닝은 실제 데이터나 생성된 데이터에서 의미 있는 통찰을 찾아 패턴 발견 과정을 자동화합니다. 비즈니스, 건강, 금융 응용 등에서 매우 가치가 높다는 것이 입증되었습니다.
가까운 미래에는 머신 러닝의 기본을 이해하는 것이 그 광범위한 채택으로 인해 어느 분야에서든 필수가 될 것입니다.
🚀 도전
Excalidraw와 같은 온라인 앱이나 종이를 사용하여 AI, ML, 딥 러닝, 데이터 과학 간의 차이에 대한 이해를 스케치하세요. 각 기술이 해결하기에 좋은 문제에 대한 아이디어를 추가하세요.
강의 후 퀴즈
복습 및 자기 학습
클라우드에서 ML 알고리즘을 사용하는 방법에 대해 자세히 알아보려면 이 학습 경로를 따라가세요.
ML의 기본에 대한 학습 경로를 따라가세요.
과제
면책 조항: 이 문서는 기계 기반 AI 번역 서비스를 사용하여 번역되었습니다. 정확성을 위해 노력하지만 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 오역에 대해서는 책임을 지지 않습니다.