localizeflow[bot]
5e53e585cd
|
3 months ago | |
|---|---|---|
| .. | ||
| README.md | 3 months ago | |
| assignment.md | 7 months ago | |
README.md
머신러닝 소개
강의 전 퀴즈
🎥 위 이미지를 클릭하면 이 수업을 다루는 짧은 영상을 볼 수 있습니다.
초보자를 위한 고전적 머신러닝 강의에 오신 것을 환영합니다! 이 주제가 처음이든 경험 많은 ML 실무자든 이 분야를 복습하고 싶든, 저희와 함께 하게 되어 기쁩니다! 여러분의 ML 학습 출발점을 친근하게 만들고 싶으며, 여러분의 피드백을 평가하고 답변하며 반영하고자 합니다.
🎥 위 이미지를 클릭하면 MIT의 John Guttag가 소개하는 머신러닝 영상입니다.
머신러닝 시작하기
이 커리큘럼을 시작하기 전에, 노트북을 로컬에서 실행할 수 있도록 컴퓨터를 준비해야 합니다.
- 이 영상들로 기기 설정하기. 다음 링크에서 Python 설치 방법과 개발을 위한 텍스트 편집기 설정 방법을 학습하세요.
- Python 배우기. 이 코스에서 사용하는 데이터 과학자에게 유용한 프로그래밍 언어인 Python의 기본 이해도 권장합니다.
- Node.js와 JavaScript 배우기. 웹 앱 개발 시 JavaScript를 몇 번 사용하므로, node와 npm, 그리고 Python과 JavaScript 개발용 Visual Studio Code가 필요합니다.
- GitHub 계정 만들기. 이미 GitHub에 계정이 있을 수도 있지만, 없다면 생성하고 이 커리큘럼을 포크하여 사용하세요. (별점도 주시면 감사해요 😊)
- Scikit-learn 익히기. 이 수업에서 참조하는 ML 라이브러리 모음인 Scikit-learn을 익숙하게 사용해 보세요.
머신러닝이란?
'머신러닝'이라는 용어는 오늘날 가장 인기 있고 빈번히 사용되는 단어 중 하나입니다. 기술에 어느 정도 익숙하다면 어떤 분야에서든 적어도 한 번 이 용어를 들어봤을 가능성이 큽니다. 하지만 머신러닝의 매커니즘은 대부분의 사람에게 미스터리로 남아 있습니다. 초보자에게는 때로 이 주제가 벅찰 수 있습니다. 그러므로 머신러닝이 실제로 무엇인지 이해하고, 실용적인 예제를 통해 단계별로 배우는 것이 중요합니다.
과대광고 곡선
Google Trends가 보여주는 ‘머신러닝’ 용어의 최근 과대광고 곡선
신비로운 우주
우리는 흥미로운 미스터리로 가득한 우주에 살고 있습니다. 스티븐 호킹, 알베르트 아인슈타인 같은 위대한 과학자들이 주변 세계의 미스터리를 밝히기 위해 평생을 바쳤습니다. 이것이 바로 학습이라는 인간의 본성입니다: 인간 아이는 성장하며 매년 새 것을 배우고 자신을 둘러싼 세계의 구조를 밝혀냅니다.
아이의 두뇌
아이의 두뇌와 감각은 주변 환경의 사실을 인지하고 점차 인생의 숨겨진 패턴을 배우며 배운 패턴을 식별할 논리적 규칙을 만듭니다. 인간 두뇌의 학습 과정 덕분에 인간은 이 세상에서 가장 고도로 발달한 생명체가 되었습니다. 숨겨진 패턴을 발견하고 혁신하며 계속 학습하는 능력은 평생 동안 자신을 점점 더 발전시키게 합니다. 이러한 학습 능력과 진화하는 역량은 뇌 가소성이라는 개념과 관련 있습니다. 표면상으로 인간 두뇌의 학습 과정과 머신러닝 개념 간에 동기 부여 차원의 유사성을 그려볼 수 있습니다.
인간 두뇌
인간 두뇌는 실제 세계의 사물을 인지하고, 인지한 정보를 처리하며, 합리적 결정을 내리고, 상황에 따라 특정 행동을 수행합니다. 이것이 바로 우리가 지능적으로 행동한다 부르는 것입니다. 이런 지능적 행동 과정을 기계에 프로그래밍 하면 인공지능(AI)이라 합니다.
용어 설명
용어가 혼동될 수 있지만, 머신러닝(ML)은 인공지능의 중요한 하위 분야입니다. ML은 인지한 데이터에서 의미 있는 정보를 찾아내고 숨겨진 패턴을 발견하여 합리적 의사결정 과정을 뒷받침하는 데 특화된 알고리즘을 사용하는 것입니다.
AI, ML, 딥러닝
AI, ML, 딥러닝, 데이터 과학 간 관계를 보여주는 다이어그램. Jen Looper가 만든 인포그래픽으로 이 그래픽을 기반으로 제작
다룰 개념
이 커리큘럼에서는 초보자가 반드시 알아야 할 머신러닝 핵심 개념만 다룹니다. 주로 많은 학생이 기본 배우기에 적합한 뛰어난 라이브러리인 Scikit-learn을 사용한 '고전 머신러닝'을 다룹니다. 인공지능이나 딥러닝의 폭넓은 개념을 이해하려면 머신러닝의 탄탄한 기초 지식이 필수이므로, 여기에 제공합니다.
이 강의에서 배우는 내용:
- 머신러닝 핵심 개념
- ML의 역사
- ML과 공정성
- 회귀 ML 기법
- 분류 ML 기법
- 군집 ML 기법
- 자연어 처리 ML 기법
- 시계열 예측 ML 기법
- 강화 학습
- ML의 실세계 응용
다루지 않을 내용
- 딥러닝
- 신경망
- AI
더 나은 학습 경험을 위해 신경망, '딥러닝'(신경망을 여러 겹 쌓는 모델 구축), AI의 복잡성은 이 커리큘럼에서 다루지 않습니다. 이 분야에서 데이터 과학에 초점을 맞춘 향후 데이터 과학 커리큘럼도 제공할 예정입니다.
왜 머신러닝을 공부해야 하는가?
시스템 관점에서 머신러닝은 데이터에서 숨겨진 패턴을 학습하여 지능적 의사결정을 돕는 자동화 시스템을 만드는 것이라 정의합니다.
이 동기는 인간 두뇌가 외부 세계에서 인지한 데이터를 기반으로 특정 것들을 학습하는 방식을 느슨하게 영감받았습니다.
✅ 왜 비즈니스가 하드코딩된 규칙 기반 엔진 대신 머신러닝 전략을 사용하려 할지 잠시 생각해 보세요.
데이터 품질이 중요한 이유
고품질 데이터는 모델 성능을 향상시킵니다. 불량하거나 노이즈가 많은 데이터는 첨단 머신러닝 알고리즘을 사용해도 부정확한 예측을 초래할 수 있습니다.
머신러닝의 응용
머신러닝 응용은 이제 거의 모든 곳에 있으며, 스마트폰, 연결된 기기, 기타 시스템에서 생성되는 데이터만큼이나 편재합니다. 최신 머신러닝 알고리즘의 방대한 가능성을 감안해, 연구자들은 다차원적이고 다학문적 실제 문제들을 긍정적 결과와 함께 해결할 수 있는 능력을 탐구하고 있습니다.
실제 ML 사례
머신러닝은 다양한 방식으로 활용할 수 있습니다:
- 환자의 병력이나 검사 결과를 바탕으로 질병 가능성을 예측
- 날씨 데이터를 활용해 기상 이벤트 예측
- 텍스트의 감성 분석
- 가짜 뉴스 탐지 및 선전 확산 방지
금융, 경제, 지구과학, 우주 탐사, 생물의공학, 인지과학, 인문학까지도 머신러닝을 도입해 방대한 데이터 처리 문제를 해결하고 있습니다.
결론
머신러닝은 실제 세계 또는 생성된 데이터에서 의미 있는 통찰을 찾아 패턴 발견 과정을 자동화합니다. 이는 비즈니스, 건강, 금융 분야 등에서 매우 가치 있음을 입증했습니다.
머신러닝 기초 이해는 앞으로 모든 분야 사람에게 필수 사항이 될 것입니다, 그만큼 광범위하게 채택되고 있습니다.
🚀 도전 과제
종이나 Excalidraw 같은 온라인 앱을 이용해 AI, ML, 딥러닝, 데이터 과학의 차이점을 본인의 이해대로 그려보세요. 각 기술이 잘 해결하는 문제에 대한 아이디어도 추가하세요.
강의 후 퀴즈
복습 및 자기 주도 학습
클라우드에서 ML 알고리즘을 다루는 방법을 더 배우려면 이 학습 경로를 따라가세요.
ML 기초를 학습하려면 학습 경로를 이용하세요.
과제
면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역은 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서의 원어본이 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우, 전문가의 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.