4주차 구성
선형회귀 ~ 딥러닝 까지
코드를 통해서 실습함
1 주차
머신러닝의 기초개념
인공지능, 머신러닝, 딥러닝
선형회귀 : 요즘에도 많이 쓰이고 있다.
영어를 두려워하지 마라
1. 구글 Stackoverfolw 등의 사이트에서 영어를 많이 씀
2. 의사소통시 영어로 소통해야 의사소통 오류가 적음
3. 외국인 엔지니어와 의사소통
4. 외국계 기업 취업
5. 심하게 아는 척 가능
즉문 즉답에 물어보기 전에 구글링을 해봐라
알고리즘
문제를 풀기위해 정해진 절차대로 수행하는 체계
딥러닝은 머신러닝의 범주에 속한다.
머신러닝, 회귀, 분류
회귀 Regression
분류 Classification
회귀와 분류 모두 가능한 부류
지도 학습
정답(annotation)이 이미 있는 경우
정답을 알려주면서 학습을 시키는 것
회사에서 보통 지도학습, 데이터 셋 인풋/ 아웃풋
아웃풋 라벨스
라벨링 어노테이션, 정답을 표시해주는 작업을 한다.
비지도 학습: 정답을 알려주지 않고 군집화(clustering) 하는 방법
강화 학습: 현재 상태에서 높은점수를 얻는 방법을 찾아가며 행동하는 학습방법
지도학습: 정답을 알려주고 학습
선형회귀 : Linear Regression
간단하지만 강력함
이 세상에 모든 법칙은 선형적이다. (가정)
cost Fucntion 손실함수
정답값과의 거리 : 손실함수 거리가 멀다. 손실함수 값이 크다.
mean squared error 평균 제곱 오차로 구한다.
optimazation
Hypothesis Cost or Loss function
1차함수가 아닌 경우가 실무에서는 같다.
가설을 세우고 손실함수를 정의하는 것<<< 이것이 우리가 할 일
Weight(행렬 형태로 되어있다. x에 곱하는 값), bias(x에 더하는 값)
다중 선형 회귀 (Multi-variable linear regression)
선형 회귀와 똑같지만 입력 변수가 여러개인 경우이다.
기계는 손실함수를 최소화하는 방향으로 학습을 시킨다.