머신러닝 기본 개념

핵심 용어 정리

  • Categorization: 큰 범주로 분류
  • Classification: 범주 내에서 각 특성별 세부 분류
  • Machine Learning: 데이터를 통한 학습
  • Deep Learning: 신경망을 사용하는 머신러닝의 한 분야, 현재 가장 인기 있는 방식

Collaborative Filtering (협업 필터링)

  • 높은 정확도를 가진 해답을 제공하는 수단
  • 모든 데이터 수집과 분석이 의미있는 인사이트나 실행에 맞춰져 있음
  • 예: “이 상품을 구매한 고객이 다른 상품도 많이 구매한 경우” 해당 상품을 추천
  • 넷플릭스 영화 추천, 아마존 상품 추천 등에 활용

Supervised Learning (지도 학습)

사람이 정답(label)을 제공하여 학습하는 방식입니다.

Regression Problem

  • 연속적인 값을 예측
  • 예시:
    • 땅 값 예측
    • 얼굴 사진으로 나이 예측

Classification Problem

  • 별개의(discrete) 결과를 예측
  • 예시:
    • 종양이 음성인지 양성인지 분류

Unsupervised Learning (비지도 학습)

정답 없이 데이터 자체에서 패턴을 찾는 방식입니다.

Clustering

  • 백만 개의 유전자를 그룹화
  • 수명, 위치, 역할 등이 비슷한 그룹으로 자동 분류

Non-clustering

  • 칵테일 파티 알고리즘: 스피커 두 대를 통한 거리 차이로, 여러 사람들의 말을 각각 분리
  • 혼돈 속에서 구조를 찾아내는 것

AI 학습을 위한 필요 조건

  • 컴퓨터 프로그래밍
  • 수학 및 통계
  • 알고리즘
  • 데이터 사이언스
  • 도메인 지식: 자율주행, 의학, 자연어 처리 등

추천 학습 로드맵

1단계: 입문

김성훈 교수님 유튜브 강의로 시작하는 것을 추천합니다.

2단계: 기초 다지기

기초를 다지려면 아래 2개 강좌가 필수입니다:

  1. 선형대수학 강좌
  2. 확률통계 강좌

이 강의를 듣고 나면 신경망에 대한 본질적인 개념과 차원축소 기법을 이해하는데 도움이 됩니다.

3단계: 탐색과 최적화

충북대 이건명 교수님 강의 중 ‘탐색과 최적화’ 부분

4단계: 심화 학습

KOOC 카이스트 문일철 교수님 강의 (앞선 4개 강좌 이수 후 수강 권장)

주요 내용:

  • k-means, GMM, EM 강의: Variational Inference 기초
  • HMM 강의: RNN, Bidirectional RNN, Attention Model 이해
  • 샘플링 강의: MCMC, Gibbs Sampling, RBM 기초

5단계: 논문 리뷰

TF-KR에서 진행하는 PR12 논문 리뷰 동영상

추가 리소스

AI 적용 분야 (트렌드)

  1. Machine Learning in Finance
  2. Autonomous Driving
  3. Space Exploration
  4. Healthcare and Medicine
  5. Humanitarian Aid

앞으로 필요한 기술

인공지능에 의해 나온 결과가 어떻게 나오게 됐는지 확인하는 기술이 중요해지고 있습니다. 어떤 학습에 의해 그렇게 결정했고, 그 학습은 언제 어떻게 이루어졌는지 추적할 수 있어야 합니다.

이를 Explainable AI (설명 가능한 AI) 라고 합니다.