코딩야학 Tensorflow 1일차

기계학습, 딥러닝의 정의

1. 기계 학습(Machine Learning)

기계를 학습시켜서 인간의 판단 능력을 기계에게 위임하는 것

1. 지도학습(supervised learning)
   • 분류(classification)
   • 회귀(regression)
2. 강화학습(reinforcement learning)
3. 비지도학습(unsupervised learning)
   • 군집화(clustering)
   • 변환(transform)
   • 연관(association)

해당 강의에서는 Tensorflow를 이용하여 지도학습의 분류, 회귀 문제에 대해서 다룬다.

회귀: 숫자로 된 결과를 예측하는 것

분류: 카테고리 형태의 결과를 예측하는 것

분류와 회귀문제를 풀기 위한 방법을 Machine Learning Algorithm이라 한다.

Machine Learning Algorithm

1. Decision Tree
2. Random Forest
3. KNN
4. SVM
5. Neural Network

해당 강의에서는 Neural Network를 이용해서 분류와 회귀 문제를 해결하는 방법에 대해서 다룬다.

2. Neural Network

Neural Network는 사람의 두뇌를 모방해서 기계가 학습을 할 수 있도록 고안된 알고리즘이다.

Neural Network, Deep Learning

1. neural network는 neural들로 연결되어 있는 신경망을 인공적으로 만들었다고 해서 인공신경망으로도 불린다.
2. 인공신경망을 깊게 쌓아서 만들었다는 표현으로 Deep Learning이라고 하며, 오늘날 널리 사용되고 있다.

Deep Learning Library

1. TensorFlow
2. PyTorch
3. Caffe2
4. theano

3. 지도학습의 빅피쳐

1. 과거의 데이터를 준비한다.
2. 모델의 구조를 만든다.
3. 데이터로 모델을 학습(FIT)한다.
4. 모델을 이용한다.

위의 과정으로 레몬에이드를 판매하는 시나리오를 그려보면…

상황

1. 레몬이 부족하면, 에이드를 만들어서 판매할 수 있는 기회비용이 낯아진다.
2. 레몬이 판매량 보다 많이 준비될 경우, loss가 발생한다.

해결

1. 기온별 판매량 데이터를 준비한다.

   온도	판매량
   20	40
   21	42
   22	44
   23	46

2. 해당 데이터를 이용해서, 독립변수가 1개, 종속변수가 1개인 모델의 구조를 만든다.
3. 기온별 판매량데이터를 이용하여 데이터를 학습(FIT)시킨다. 해당 과정을 통해 온도 * 2 = 판매량이라는 모델 생성
4. 해당 모델을 이용해서, 일기예보를 통한 레몬양을 예측 할 수 있다.

용어 정리

1. 온도는 판매량이라는 결과의 원인이 되는 데이터임으로, 독립변수라고 한다.
2. 판매량은 온도라는 데이터에 종속되어있는 데이터임으로, 종속변수라고 한다.
3. 특정 유형의 패턴을 가진 데이터를 인식하도록 학습된 파일을 모델이라고 한다.
4. 모델을 데이터에 딱 맞게 하는 과정(학습 하는 과정)을 FIT이라고 한다.

Link

• Youtube 봉수골 개발자 이선비