기계학습의 개요

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.

학습중에는 모든 행동에 대해서 사람이 아닌 환경으로부터 보상(reward)과 벌칙으로 지도받아 학습한다. 이러한 시행착오 과정을 거치면서 "시간의 흐름에 따른 최적의 의사결정"을 하게 된다.

관련 페이지 : 강화학습 그리고 Tensorflow

강의자료

교수님 PDF

_(3.2)__.pdf2.2MB

인공지능 개론 홈으로 돌아가기

인공지능 개론

AI 홈으로 돌아가기

인공지능 개론

메인으로 돌아가기

기계학습이란?

기계학습에는 지도학습, 비지도학습 그리고 강화학습이라는 세가지의 분류가 있다.

지도학습(Supervised learning)은 레이블(label)을 가지고 분류(Classification) 예측(Prediction) 모델을 통한 기계학습을 일컫는다.

비지도학습(Unsupervised learning)은 지도학습과 달리 레이블이 없는 학습 데이터 중에서 유사한 특성을 가진 군집(Cluster)을 만들어 그룹화를 통한 기계학습을 일컫는다.

강화학습(Reinforcement Learning, RL)은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동 중 보상을 최대화하는 최적의 의사결정을 선택하는 방법이다.

지도학습

앞서 설명과 같이 지도학습은 레이블을 가지고 분류 또는 예측하는 모델을 가리킨다 지도학습에도 크게 두 가지로 나뉜다.

1.

분류 모델 : 결과값이 레이블 중 하나로 고정되며, 새로운 입력 데이터가 속한 레이블 그룹으로 예측한다. → k-Nearest Neighbor(kNN), Support Vector Machine, Decision Tree

2.

예측 모델 : 회귀(Regression) 모델. 데이터의 특성(feature)과 레이블의 관계를 함수식으로 표현하는데 목적이 있으며 이를 바탕으로 오차 범위 내에 결과를 예측한다. → 로지스틱(logistic) 회귀

관련 페이지 : 지도학습

비지도 학습

비지도 학습은 지도학습과는 다르게 고정된 레이블이 없어 학습 데이터 중에서 유사한 특성을 가진 데이터끼리 그룹화 하여 분석하는 학습 모델이다. 다른 이름으로 군집(Clustering)모델 이다.

비지도 학습도 크게 두가지로 나눌 수 있다.

1.

분할 기반(partition-based) 군집

2.

계층 기반(hierarchical) 군집 → 병합적군집, 분할적 군집으로 또 나뉜다.

비지도 학습은 입력 데이터를 구별할 수 있는 특징을 정량화 한 것으로, 알고리즘 보다 적절한 특성(feature)으로 효과적인 기계학습이 가능하다.

관련 페이지 : 비지도학습

강화학습

우리가 2014년에 일어났던 알파고와 이세돌 9단의 바둑 경기를 생각해보자. 이때 알파고에 사용되었던 학습모델이 바로 강화학습이다.