[0] 머신러닝이란?

머신러닝 카테고리의 첫 번째 글에서는 머신러닝이 무엇이고 그 범위와 활용에 대해 알아보겠습니다. 제가 처음 머신러닝과 딥러닝을 이용한 데이터 분석가가 되겠다고 했을 때 머신러닝과 딥러닝에는 차이가 없는 단어라고 생각했습니다. 하지만 공부를 하면 할수록 두 단어는 엄연히 다르다는 것을 알 수 있었습니다.

 

이 글의 목차는 다음과 같습니다.

1. 머신러닝의 뜻과 개
2. 머신러닝과 딥러닝의 차이
3. 머신러닝의 활용

 

1. 머신러닝의 뜻과 개요

머신러닝은 표현하는 방법은 아주 많지만 관통하는 가장 큰 뜻은 주어진 데이터를 학습하기 위한 모델을 생성하는 과정입니다. input data를 학습하기 위해 함수 F(x)를 구현하여 Output값을 추출하는 것이죠.  결국 머신러닝에서 가장 중요한 것은 data에 맞는 F(x)를 만들고 실제값에 근접한 예측값을 출력시키는 것입니다. 이 과정에서 통계학, 선형대수학과 같은 수학적 원리가 결합이 되는 것입니다. Output 값을 추출하기 위해서는 모델에 수학적 원리가 포함되어 있기 때문이죠. 머신러닝으로 구현된 모델은 데이터의 패턴을 학습하여 정확도 높은 예측값을 추출합니다. 데이터 분석가가 머신러닝을 활용하는 방법은 input data를 학습하여 정확도가 높은 예측값을 추출하여 의사결정에 도움을 주는 것입니다. 

 

2. 머신러닝과 딥러닝의 차이

인공지능 분야가 많은 사람들의 관심을 받아 다양한 연구가 진행되는 과정에서 머신러닝과 딥러닝은 아마 사람들에게 가장 많이 언급된 단어일 것입니다. 머신러닝과 딥러닝은 인공지능 분야에서 현실에 실용적으로 적용할 수 있는 기술을 표현한다고 할 수 있습니다. 즉 머신러닝과 딥러닝이라는 도구는 사용하는 사람에 따라 독립적으로 혹은 혼용하여 사용할 수 있는 것이죠. 강조하고 싶은 머신러닝과 딥러닝의 차이는 다음과 같습니다.

 

머신러닝 범주 안에 딥러닝이 존재한다.

 

즉, 머신러닝과 딥러닝은 독립적으로 존재하는 다른 뜻의 용어가 아니라, 딥러닝이 머신러닝에 포함되어 사용되는 것입니다. 시간이 지나면서 머신러닝을 이용한 회귀분석과 분류 문제를 딥러닝을 통한 neural network 기법을 사용하여 정확도를 높여갑니다.

위 그림의 Computer Vision은 이미지 관련 data를 분석하는 분야입니다. (추후 CV 관련 내용도 포스트 하겠습니다.)

 

3. 머신러닝의 활용

머신러닝의 활용은 빅데이터 분석에서 많이 사용됩니다. 예를 들어, 주식 가격을 예측하기 위해 머신러닝의 지도학습 중 하나인 회귀분석을 사용하거나, 비슷한 성격을 가진 데이터를 하나의 군집으로 묶어주는 비지도학습인 KMeans와 같은 알고리즘 등이 존재합니다. 다음 글에서 머신러닝의 분류로 지도학습과 비지도학습을 언급하여 각각의 학습 종류에 어떤 알고리즘이 있는지 업로드하겠습니다.

 

[Reference]

• 파이썬 머신러닝 완벽 가이드
• 홍익대학교 컴퓨터공학과 기계학습심화 강의록