[부스트코스] 머신러닝 개요...(= 3분에 익히는 머신러닝의 기본 원리)

후.. 다시는 머신러닝 하지 않겠다고 다짐했으면서 (왜냐면 내가 멍청한 걸 느꼈으니까) 영어 강의 듣다가 지루해서 한국어 강의 한 번 손대봤습니다...

사실 킬링타임용 인문학 강의에 가깝다고 느꼈습니다...

머신 러닝 개요

https://www.edwith.org/terrydltalks/lecture/66290/

[LECTURE] 어려운 머신러닝, 쉽게 설명해드려요 : edwith

머신러닝이란

목표가 있고 방법을 모르는 상황에서 기계가 직접 시도하고 반복하여 문제를 해결할 적합한 방법을 찾는 기술

머신러닝 3요소

1. 경험
2. 성능 지표
3. 작업 목표

머신러닝 실전 적용 방안

https://www.edwith.org/terrydltalks/lecture/66291/

[LECTURE] 머신러닝을 실전에 적용하려면? : edwith

머신러닝의 5단계

1. 데이터 수집
2. 데이터 전처리
3. 피쳐 추출
4. 학습
5. 검증

• 데이터 전처리: 각기 다른 크기와 포맷을 최대한 동일한 형식을 가지도록 처리
• 레이블링: 어떤 데이터가 어떤 결과물을 만드는지 패턴을 알려주는 과정
• 피쳐 추출: 작업 목표와 관계 없는 불필요한 피쳐를 버리고 중요도에 맞게 적절히 재구성하는 과정

딥러닝이란

딥려닝의 목적은 다음과 같습니다. 데이터를 쏟아부어서 피쳐 추출도 머신러닝에게 맡기자!

딥러닝의 원리 (CNN)

https://www.edwith.org/terrydltalks/lecture/66294/

[LECTURE] 딥러닝의 원리를 알아봅니다 (Feat.CNN) : edwith

머신러닝 차원의 저주

데이터 차원(피쳐) 수가 늘어날수록 필요한 데이터량은 지수적으로 증가합니다.

차원의 저주 해결 방안

이미지를 필터링하여 차원을 줄이고 CNN 사용하여 샘플링 -> 저차원 필터를 생성합니다. 이러한 레이어를 여러 개 생성하여 예측을 수행하면 인간이 만든 필터보다 정확성이 높은 인식률을 보입니다.