Day_00. Introduction

머신러닝의 정의
=데이터에서 정보를 자동으로 추출하게 하는 기법


중요 개념 3가지
=데이터 모델 학습 – 정보의 추정에서 원하는 형태를 정의하는 것


특징
=데이터 중심이기 때문에 해당 데이터의 백그라운드 지식이 있다면 문제 해결에 큰 도움이 된다


3가지 단계
=관찰 data(observation data) – modeling – information
==소리를 – 처리를 통해 – Text로 만든다
==A언어를 – 번역기를 통해 - B언어로


How to model
=Supervised learing – 지도학습 – SVM Logical Regression KNN, decision tree, cnn,RNN
=Unsupervised learning – 비지도학습 – PCA - Data만을 가지고 추출
=Reinforement learning – reward 를 지급해 시스탬이 동작한다



Supervised learning
= classification 분류– 종류를 나누어 선을 그린다
=Regression 회귀- 퇴대한 많은 데이터를 포함하는 선을 그린다 – 함수의 차수를 적용, 1/2차 함수등


Clustering
=Iteration의 증가등을 확인한다
=Dimenstion reduction


Reinforcment learning
=현재의 상황에 대한 분석과 보상을 실시해서 나아지는 것


ML 알고리즘의 의미
=입력데이터로 예측하는 시스템
=아직 터리되지 않은 데이터까지 받아들이는 시스템


벡터로써의 의미
=데이터를 컴퓨터가 처리할 수 있게 수치형 DATA로 변환하게 도와주는 방식