1. 머신러닝(Machine Learning) - 1일차 머신러닝 개념 및 종류

Traditional programing VS machine learning

기존의 프로그래밍은 개발자가 프로그래밍을 하고 인풋을 받아 프로그램으로 처리한 후 아웃풋 도출

머신러닝은 인풋과 아웃풋만 사용 중간 프로그래밍은 컴퓨터가 알아서 해줌 인풋데이터와 아웃풋 데이터를 가지고 컴퓨터를 학습시킴

머신러닝의 종류

1. Supervisied Learning

인풋 데이터와 아웃풋 데이터를 모두 컴퓨터에 알려주고 학습을 시키는 것

2. Unsupervised Learning

컴퓨터가 인풋 데이터를 가지고 알아서 아웃풋을 내주는 것

대표적으로 클러스터링이 있음.

데이터에서 비슷한 특성을 가진 것들을 컴퓨터가 알아서 구별해서 분류해줌.

e.g. 과일이 가득한 자료에서 무게, 색깔, 크기 등 어떤 특정 조건을 가지고 컴퓨터가 알아서 분류해줌.

특징 - 결과를 예측할 수 없고, 답이 없다. 나온 결과를 가지고 왜 그렇게 분류 되었는지 찾는 과정에서 인사이트가 생길 수 있음.

3. Reinforcement Learning

처벌과 보상을 통해서 컴퓨터를 학습 시키는 방법.

e.g. 알파고 - 바둑에서 집을 얻는 것과 잃는 것으로 보상과 처벌이 주어짐.

자율주행 - 사고, 신호위반 등은 처벌함.