머신러닝 (Machine Learning) 개요

1️⃣ 머신러닝의 정의

• ‘기계학습’으로도 불리는 인공지능의 한 분야
• 인간의 학습 능력을 컴퓨터로 실현하려는 기법
• “프로그램을 명시적으로 작성하지 않고 컴퓨터에 학습할 수 있는 능력을 부여하기 위한 연구 분야이다.”
• ‘머신(machine)’은 컴퓨터, ‘러닝(learning)’은 학습 따라서 머신러닝이란 ‘컴퓨터를 통한 학습’을 나타냄

전통적인 프로그래밍과는 다르게, 머신러닝은 데이터를 보고 스스로 규칙을 찾아냅니다.

2️⃣ 머신러닝 vs 전통적인 프로그래밍

• 전통적인 프로그래밍에서는 모든 규칙들을 작성함
• 만약 규칙들이 추가로 작성될 경우 유지 관리가 어려운 문제점
• 그러나 머신러닝은 시간에 따라 점차 효율이 향상됨
• 입출력 데이터의 관계를 학습하여 규칙을 생성

구분	전통적인 프로그래밍	머신러닝
규칙	사람이 직접 코딩	데이터에서 학습
예시	if-else 문으로 고양이/강아지 구분	수많은 이미지 학습 후 자동 분류

 3️⃣ 머신러닝 vs 인공지능 (AI)

• 인공지능은 머신러닝을 포함하는 상위 개념 따라서 추구하는 개념과 목표가 다소 다름
• 인공지능은 추론, 계획 등과 머신러닝을 포함
• 머신러닝은 데이터로부터 학습하여 지식을 획득
• 인공지능은 지식을 획득한 후, 그것을 활용함

머신러닝은 인공지능(AI)의 한 부분입니다. AI > 머신러닝 > 딥러닝의 관계를 가집니다.

 4️⃣ 머신러닝을 적용할 때 고려해야 할 사항

• 데이터의 품질이 중요하다.
• 과적합(Overfitting) 문제를 해결해야 한다.
• 문제에 맞는 적절한 모델을 선택해야 한다.

 5️⃣ 머신러닝의 주요 종류

• 📌 지도 학습: 입력과 정답이 있는 데이터 학습
• 📌 비지도 학습: 정답 없이 패턴 찾기
• 📌 강화 학습: 보상을 통한 최적 행동 학습

 

세부적인 머신러닝의 주요 종류

개념	설명
신경망 (Neural Network)	생물의 신경 네트워크 구조와 기능을 모방한 모델
클러스터링 (Clustering)	주어진 데이터를 클러스터라는 부분 집합들로 분리하는 것
분류 (Classification)	주어진 데이터를 비슷한 것들끼리 분류하는 것
의사결정 트리 (Decision Tree)	트리 구조 형태의 예측 모델로 의사를 결정하는 모델
나이브 베이즈 (Naive Bayes)	베이즈 정리를 바탕으로 한 조건부 확률 모델 분류

 6️⃣ 머신러닝의 활용 분야

머신러닝은 이미 다양한 산업에서 활용되고 있습니다.

• ✔ 이미지 인식 → 얼굴 인식, 자율 주행 🚗
• ✔ 자연어 처리 → 챗봇, 번역기 🎙
• ✔ 추천 시스템 → 유튜브, 넷플릭스 🛒
• ✔ 의료 분야 → 질병 예측, 신약 개발 🏥