머신러닝 vs 딥러닝

머신러닝?

 - when: 결과는 알지만 결과에 도달하는 방법은 모를 때

   ex) 어렸을 때 어머니가 해주신 김치찌개 맛은 알지만 그 레시피를 모를때

 - how: (시도 - 결과와 비교(오류 측정) - 조정) x 반복 /

   ex) 어머니가 해주신 김치찌개를 만들기 위해 여러가지 레시피를 시도 하여 가장 그 맛에 가까운 레시피를 찾아감

 

프로그래밍 vs 머신러닝

 - 프로그래밍 = 목표를 이루기 위한 방법을 컴퓨터에게 직접 명령하는 방법 

   ex) 컴퓨터에게 김치찌개의 요리레시피를 주고 그 레시피 대로 수행하도록 하는 것 

 - 머신러닝 = 목표를 이루기 위한 방법을 컴퓨터가 스스로 찾아가는 방법

   ex) 컴퓨터에게 김치찌개의 맛만 보여준 후, 그 맛을 내기 위한 방법을 스스로 찾도록 하는 것

 

머신러닝 특징들

 -  오류를 컴퓨처 스스로 개선 할 수 있음 (자체적인 성장/ 학습/ 발전 기능)

 -  때때로 사람들의 의사결정보다 더 정확한 의사결정 가능 (확률적으로)

포스터의 내용과는 관계 없음

머신러닝의 실전 적용 과정

 1) 데이터 수집 = 학습을 위한 기본적인 자료들을 수집

 

 2) 데이터 전처리 = 자료를 컴퓨터가 인식하기 쉽게 가공

  ex) -사진의 불필요한 부분을 잘라내고, 크기를 동일하게 맞추는 것

       -자료의 자료형(숫자, 문자 등)을 하나로 통일하는 것

 

 3) 라벨링 = '데이터'와 데이터의 '의미'를 연결하는 과정

  ex) 파란색이 무엇인지, 어떤 것을 고양이라고 하는지 등, 각 데이터의 의미를 정의하는 것

 

 4) 피쳐 추출 = 목표를 이루기 위해 필요한 데이터가 무엇인지 판별하여 추출하는 것

  ex) 사람이 지니는 여러 데이터중 (키, 몸무게, 나이, 성별 등), "놀이기구를 타면 안되는 사람"을 구별하기 위해서는, 모든 자료가 다 필요한 것이 아니라 '키/몸무게/나이' 데이터만 필요하다는 것을 판단하여 추출하는 것이 피쳐 추출 

 

 6) 학습 및 검증 = 어떤 데이터가 입력 되었을때, 라벨링된 의미가 도출되는지 여부를 확인

 

머신러닝 vs 딥러닝

 - 머신러닝 활용 과정중에 "피쳐추출"을 누가 하는가에 따라 다름

 - 머신러닝 = 사람이 피쳐추출

 - 딥러닝 = 컴퓨터가 피쳐추출

 

끝.