머신 러닝 이론 기초

28 February 2018

GoogleAppExcellence

android

Google App Excellence 4월 세미나는 머신 러닝 이론에 대해서 다루었다. 발표하시는 분은 친절하게도 쉽게 쉽게 설명해주신 것 같지만.. 무지무지 어려웠다! 실제 실무자가 상세한 이론까진 알진 못하더라도 개요 정도는 알고 있어야 일 처리에도 도움이 될듯 싶다. 이 내용은 첫번째 섹션인 머신 러닝 이론 기초이다.

머신 러닝의 개념

  • 인공지능 -> 머신러닝 -> 딥러닝 순으로 작은 개념

다양한 머신러닝 기법

  1. Supervised Learning
    • 특정 주제의 사진들(Labeled Data)들을 주고 이를 기반으로 분석한다
    • COST를 최소화하는 것이 목적이다
    • 하위 항목
      • Linear Regression (Gradient Descent) : 추정 값과 실제 값의 차이를 가장 작게 만드는 ax+b 값을 구하는 방법(Cost function), 미분을 사용한다
      • Logistic Regression
      • Softmax Regression
  2. Unsupervised Learning
    • 특정할 수 없는 사진들 (Unlabeled Data)을 사용하여 분석한다
  3. Reinforcement Learning
    • 특정 환경을 조성하여, 액션을 채우고 Reward 최대화를 목적으로 분석한다
    • 예를 들면 스타크래프트 게임이라는 환경을 만들어 유저들이 어떤 전략을 쓰는지 분석한다던가..
  4. Deep Neural Network & Back Propagation
    • 두뇌 뉴런과 유사하게 동작함
    • 비선형적 패턴 해석할때 유용하다
    • 딥러닝 분석의 경우 이 이론에 다른 세부항목이 추가된 이론이다
    • 데이터의 품질이 좋지 않으면 좋은 결과를 얻을 수 없다
    • 데이터를 Validation 할 필요성이 있다
    • 오류 사례
      • Underfitting : 데이터에 너무 관계되지 않은 결과
      • Overfitting : 데이터에 너무 의존된 결과
image

Underfitting과 Overfitting

Google에서 제공하는 Data

  • Youtube Video Data를 사용하여 분석할 수 있도록 제공

딥러닝 배우기 Reference

  • 페이스북 그룹 TensorFlow Korea User Group에 가입하여 공부할것
  • 페이스북 그룹 arXiv Papers KR에 가입하여 공부할것
  • 모두를 위한 머신러닝 / 딥러닝 책을 구입하여 공부할것! 기본을 쉽게 설명해주는 좋은 교재라 한다

참고자료

TensorFlow #
TensorFlow Korea User Group #
arXiv #
모두를 위한 머신러닝/딥러닝 강의 #