machine learning

[WIL]머신러닝 - 3주차 강의 개발일지

3주 차의 목표는 딥러닝의 역사를 배운다. 신경망을 만드는데 필요한 각종 개념을 알아본다, 신경망을 직접 디자인해본다 딥러닝은 머신러닝의 한분야이다. 2주 차까지 배웠던 선형 회귀와 논리 회귀는 모두 1차 함수를 이용해서 푸는 문제였다고 한다면 실제적인 자연계의 문제는 이러한 직선으로 설명할 수 없는 문제들이 많이 있기 때문에 사람들은 선형 회귀 사이에 비선형의 무엇인가를 넣어야 한다고 생각했고 이것은 실제로 잘 동작하였는데 이렇게 사이사이에 층을 깊게 쌓는다고 하여 딥러닝이라고 불리게 되었다. 딥러닝의 주요 개념과 기법을 알아보면 배치 사이즈와 에폭 - batch를 설명을 하게 될 때 iteration이라는 개념을 같이 설명을 해야 하는데 우리가 가지고 있는 엄청나게 큰 데이터셋을 학습을 시킬 때 방대..

[WIL]머신러닝 - 2주차 강의 개발일지

2주 차의 목표는 논리 회귀의 개념과 다양한 머신러닝 모델을 알아본다. 머신러닝에서 쓰이는 전처리 기법들에 대해 배운다. 논리 회귀 : 입력값과 결과 사이에 연관성을 찾아내는 것을 말함 전처리 : 로우 데이터의 값에서 오류나 잘못된 점을 걸러내는 기법, 또는 분석하기 쉽게 먼저 가공해놓는 방법 1. 논리 회귀 (Logistic regression) 1주 차에는 선형 회귀에 대하여 알아보는 시간이 있었는데 이 선형 회귀는 연속된 값으로 선의 형태로 나타내는 방법이었다. 하지만 논리 회귀는 단어에서도 나타내어져 있듯이 해당 값은 시험의 합격, 불합격 또는 일의 성공과 실패와 같은 결과값이 연속된 것이 아닌 특정한 결과값을 가르치는 형태이기에 연속된 입력값에 의해서 동등하게 정비례 또는 반비례하여 결과값을 나..

[WIL]머신러닝 - 1주차 강의 개발일지

머신러닝의 기원을 생각해본다면 사람들이 예측하고 싶은 여러가지 이벤트를 사람이 모두 고려하기에는 어려움이 있기에 컴퓨터가 직접 그런 예측에 필요한 인자들을 학습하고 예측할 수 있게 하기 위하여 발전하게 되었다. 그리고 우리가 자주 접하는 단어인 딥러닝은 머신러닝의 방법 중 하나이다. 머신러닝이 발전하는 초기에는 이 딥러닝을 MLP(Multi-Layer Perceptron)이라고 불렸으나 어감이 좋은 딥러닝으로 정착화 되었다. 1. 해답을 찾는 방식 머신러닝으로 문제를 풀때 해답을 찾는 방식은 크게 회귀 or 분류로 나눌 수 있다. 회귀는 출력값을 연속적인 소수점으로 예측하게 하도록 푸는 방법을 이야기 하고 분류는 정해진 출력값에 따라서 분류하는 것을 분류라고 한다. * 하지만 이렇게 연속적인 값이라는 것..