[호권/1st meetup] Intro to ML 키워드 조사

What is ML?

기계학습으로 인간이 하나부터 열까지 직접 코드를 지정해 주는 것이 아닌 학습할 무언가를 기계에 주고 이걸 가지고 스스로 학습하는 기계이다.

ML vs Rule-based

ML은 학습을 통해 규칙이 정해지지 않아도 공통점을 찾아 동작을 실행하는 것이고 Rule-based는 정해진 규칙에 따라 동작을 실행하는 것이다. 이 둘의 차이는 규칙을 정해 동작을 하는가? 규칙이 정해지지 않아도 동작을 하는가?이다.

AI, ML, Deep Learning

• AI는 Artificial Intelligence의 약자로 시스템에 의해 만들어진 지능으로 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 사람과 같은 방식으로 과제를 수행할 수 있도록 지원하는 기술이다.
• ML은 Machine Learning의 약자로 AI의 한 분야로 인간이 하나부터 열까지 직접 코드를 지정해 주는 것이 아닌 학습할 무언가를 기계에 주고 이걸 가지고 스스로 학습하는 기계이다.
• Deep Learning은 ML의 한 갈래로 인공 신경망의 새로운 이름이다. ML의 경우 기계가 학습하기 위해 주어진 데이터(예시)에서 특징을 추출하는 과정에서 사람이 개입, Deep Learning은 데이터 자체에서 중요한 특징을 기계 스스로 처음부터 끝까지 학습하는 기술이다.

Type of ML (Classification, Clustering, Regression, Sequence Prediction)

1. Classification(분류) - Supervised learning 지도학습의 일종으로 기존에 존재하는 데이터의 카테고리 관계를 파악하고, 새롭게 관측된 데이터의 카테고리를 스스로 판별하는 과정. - 특징 : 선형성
   • 예) 스팸 필터
2. Clustering(군집화)
   • Unsupervisoed Learning(비교사학습)의 기법 중 하나로 데이터를 비슷한 것끼리 묶는 것.
   • Quantization(양자화) 또는 Coding(코딩)이라고 부르기도 한다.
3. Regression(회귀 분석) - 연속된 값을 예측하는 문제. - 어떤 패턴, 트랜드, 경향을 예측할 때 사용 - 예) 공부시간에 따른 전공 시험 점수 예측
4. Sequence Prediction - 히스토리 sequence 정보를 사용하여 sequence 다음 값을 예측하는 것.

Kind of Bias (Interaction bias, latent bias, selection bias)

1. Interaction bias - 한쪽으로만 치우친 편향으로 다른 쪽으로는 값이 나오지 않는 ML 예) 사람을 남자라고만 학습시키면 여자가 나왔을 경우 사람이라 값이 나오지않음

2. latent bias - 잘못된 아이디어와 상관관계를 갖는 편향, - 예) 의사를 학습시킬 때 남자의 이미지만 가지고 하면, 의사를 보여줄 때 남성의사만 보여준다.
3. selection bias - 특정 집단을 집중적으로 선택하는 것에서 생기는 편향 - 다른 집단에서의 데이터가 무시됨