머신러닝

머신러닝이란

일반 프로그램과 달리 작업을 하는데 있어 경험을 통해 성능이 향상된다.
여기서 경험은 데이터를 통해 이루어진다.
따라서, 데이터의 수가 기하급수적으로 늘어나는 2010년대부터 머신러닝이 활용되기 시작했다.
빅데이터,머신러닝,딥러닝,인공지능은 모두 연관되어 있어 비슷하다고 할 수 있다.

학습유형

1. 지도학습(supervised learning)
   답 이 있고 이 답을 맞추는 게 목적 - 분류(classfication) 와 회귀(regression)

2. 비지도학습(unsupervised learning)
   답 이 없고 이 답을 맞추는 게 목적

머신러닝에서의 수학

1. 선형대수학
   데이터를 저장하고 계산하는 행렬을 이용
2. 미적분학
   알고리즘의 성능 최적화
3. 확률과 통계
   데이터의 흐름과 정보 파악을 통해 예측하고 가능성을 파악 -> 알고 있어야 할 개념이 광범위하다

머신러닝에서 기초적인 개념을 정리하는 용도로 포스팅될 예정이고 내용은 코드잇 - 머신러닝 강의를 참고하고 있습니다!