[인공지능] 머신러닝 (Machine Learning)이란 무엇인가

1. 머신 러닝 (Machine Learning)

머신러닝은 컴퓨터에게 명시적으로 프로그램(Explictly Programmed) 되지 않고도 학습할 수 있도록 하는 컴퓨터과학의 한 분야이다.

기존의 프로그래밍에서는 모든 케이스에 대해 명시적으로 if문을 작성하여 케이스를 처리하였다면, 머신러닝은 데이터를 기반으로 직접 학습을 수행하여 자기 자신이 직접 조건들을 설계하고 문제를 푼다.

머신러닝은 크게 지도학습, 비지도학습, 준지도학습, 강화학습으로 분류할 수 있으며, 회귀와 분류 등을 포합하고 있다.

a. 지도학습 (Supervised Learning)

물체의 이름으로 레이블링된 이미지들

지도학습은 레이블링 된 데이터셋을 활용하여 모델을 학습시키는 과정이다.

예를 들어 위의 이미지를 보자. 위에서는 다양한 물체에 이름이 메겨져 분류가 이미 되어져 있다. 지도학습은 이렇게 답이 있는 데이터셋을 기반으로 상관관계를 파악하여 모델을 학습시키는 방법이다. 이미지 분류, 이메일 스팸 필터, 시험 성적 예측 등은 지도학습을 통해 구현할 수 있다.

b. 비지도학습 (Unsupervised Learning)

군집화(Clustering)의 예시들

비지도 학습은 지도 학습과 달리 레이블링 되지 않은 데이터셋으로 학습을 진행한다.

비지도 학습에서 모델은 인풋 데이터를 분석하여 패턴과 연관관계를 파악한다. 예를 들자면 군집화에서는 입력한 데이터를 기반으로 비슷한 Feature와 Pattern을 가진 데이터들을 클러스터링 한 후 어떤 군집에 이들이 속하는지 추론한다. 뉴스 분류, 단어 군집화 등은 비지도 학습을 통해 구현할 수 있다.

c. 준지도학습 (Semi-Supervised Learning)

준지도학습은 레이블이 있는 데이터와 레이블이 표시되지 않은 데이터를 모두 훈련에 사용한다.

이 모델은 소량의 레이블이 있는 데이터를 통해 학습을 시작한 후 레이블이 없는 데이터에도 적용가능한 상관관계가 있는 속성을 찾도록 훈련된다. 대표적인 예시로는 GAN(Generative Adversarial Networks)을 들 수 있다.

d. 강화학습 (Reinforcement Learning)

강화학습 모델에는 정답키가 제공되지 않지만 일련의 허용된 행동, 규칙, 최종 상태가 입력된다.

주로 정답이 고정되지 않은 경우에 사용하며 경험과 보상을 통해 학습한다. 체스 AI, 알파고 등이 강화학습을 통해 만들어졌다.

 

---

출처 및 참고 자료

https://www.sap.com/korea/products/artificial-intelligence/what-is-machine-learning.html

머신러닝이란? | 정의, 유형 및 예제 | SAP Insights

https://velog.io/@cha-suyeon/%EB%B9%84%EC%A7%80%EB%8F%84%ED%95%99%EC%8A%B5Unsupervised-Learning

비지도학습(Unsupervised Learning)

https://ko.wikipedia.org/wiki/%EC%A4%80%EC%A7%80%EB%8F%84_%ED%95%99%EC%8A%B5

준지도 학습 - 위키백과, 우리 모두의 백과사전