[220509-220515] 2022 GDSC ML Start Study - 1주차

이번주 스터디 목표, 스터디 범위

• [혼공머신] 나의 첫 머신러닝 - 인공지능과 머신러닝, 딥러닝
• [혼공머신] 나의 첫 머신러닝 - 코랩과 주피터 노트북
• [혼공머신] 나의 첫 머신러닝 - 마켓과 머신러닝
• [혼공머신] 데이터 다루기 - 훈련 세트와 테스트 세트
• [혼공머신] 데이터 다루기 - 데이터 전처리

나의 첫 머신러닝 - 인공지능과 머신러닝, 딥러닝

• 인공지능이란
• 머신러닝이란
• 딥러닝이란

나의 첫 머신러닝 - 코랩과 주피터 노트북

• 구글 코랩
• 텍스트 셀
• 코드 셀
• 노트북

나의 첫 머신러닝 - 마켓과 머신러닝

• 생선 분류 문제
• 첫 번째 머신러닝 프로그램

데이터 다루기 - 훈련 세트와 테스트 세트

• 지도 학습과 비지도 학습
• 훈련 세트와 테스트 세트
• 샘플링 편향
• 넘파이
• 두 번째 머신러닝 프로그램

데이터 다루기 - 데이터 전처리

• 넘파이로 데이터 준비하기
• 사이킷런으로 훈련 세트와 테스트 세트 나누기
• 수상한 도미 한 마리
• 기준을 맞춰라
• 전처리 데이터로 모델 훈련하기

새롭게 배운 것

인공지능과 머신러닝, 딥러닝

• 인공지능은 사람처럼 학습하고 추론할 수 있는 지능을 가진 시스템을 만드는 기술로, 강인공지능과 약인공지능으로 나뉨
• 머신러닝은 규칙을 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야로,
  대표적인 라이브러리로 사이킷런이 있음
• 딥러닝은 인공 신경망이라고도 하며, 대표적인 라이브러리로 텐서플로와 파이토치가 있음

코랩과 주피터 노트북

• 코랩은 웹 브라우저에서 무료로 파이썬 프로그램을 테스트하고 저장할 수 있는 서비스로
  텍스트와 파이썬 코드를 함께 쓸 수 있는 무료 서비스

마켓과 머신러닝

• 특성은 데이터를 표현하는 하나의 성질
  ex) 생선의 길이, 생선의 무게
• 훈련은 머신러닝 알고리즘이 데이터에서 규칙을 찾는 과정. 사이킷런에서는 fit() 메서드 사용
• k-최근접 이웃 알고리즘은 어떤 데이터에 대한 답을 구할 때
  주위의 다른 데이터를 보고 다수를 차지하는 것을 정답으로 사용하는 알고리즘
• 모델은 머신러닝 프로그램에서 알고리즘이 구현된 객체. 종종 알고리즘 자체를 모델이라 부르기도 함
• 정확도는 정확한 답을 몇 개 맞혔는지를 백분율로 나타낸 값. 사이킷런에서는 0~1 사이의 값으로 출력됨

훈련 세트와 테스트 세트

• 지도학습은 입력과 타깃을 전달하여 모델을 훈련한 다음 새로운 데이터를 예측하는 데 활용함
  ex) k-최근접 이웃
• 비지도학습은 타깃데이터가 없기 때문에 무엇을 예측하는 것이 아닌 입력 데이터에서 어떤 특징을 찾는 데 주로 활용됨
• 훈련세트는 모델을 훈련할 때 사용하는 데이터로,
  보통 훈련 세트가 클수록 좋기 때문에 테스트 세트를 제외한 모든 데이터를 사용함
• 테스트세트는 전체 데이터에서 20~30%를 테스트세트로 사용하는 경우가 많음
  전체 데이터가 크다면 1%만 덜어내도 충분할 수 있음
• 샘플링 편향은 훈련 세트와 테스트 세트에 샘플리 골고루 섞여있지 않고, 샘플링이 한쪽으로 치우친 현상

데이터 전처리

• 데이터 전처리는 머신러닝 모델에 훈련 데이터를 주입하기 전에 가공하는 단계. 이 단계에 많은 시간이 소모되기도 함
• 표준점수는 훈련 세트의 스케일을 바꾸는 대표적인 방법 중 하나
  표준점수를 얻으려면 특성의 평균을 빼고 표준편차로 나뉨
  반드시 훈련 세트의 평균과 표준편차로 테스트 세트를 바꿔야 함
• 브로드캐스팅은 크기가 다른 넘파이 배열에서 자동으로 사칙 연산을 모든 행이나 열로 확장하여 수행하는 기능