인공지능 인증 시험: 기계 학습 소개!

기계 학습 기초

🌱 소개

• AI 900 Microsoft 인증 시험에 오신 것을 환영합니다!
• 이 비디오 모듈에서는 기계 학습에 대해 배웁니다.

🧠 기계 학습이란?

• 기계 학습은 대부분의 AI 솔루션의 기반이 되며, 관측된 데이터로부터 알려지지 않은 값을 예측하고 통찰력을 추론하는 모델의 생성을 가능하게 합니다.

💡 기계 학습의 작동 원리

• 기계 학습은 데이터로부터 학습하는 방식으로 작동합니다.
• 텍스트 메시지, 이메일, 소셜 미디어 게시물, 사진 등 일상생활에서 수많은 데이터를 생성합니다.
• 또한 가정, 자동차, 도시 및 대중 교통, 공장 등에서 발생하는 센서들에 의해 더 많은 데이터가 생성됩니다.
• 이러한 데이터를 이용하여 데이터 과학자는 기계 학습 모델을 훈련시킬 수 있으며, 이 모델은 데이터에서 찾은 관계에 기반하여 예측과 영향을 줄 수 있습니다.

🌸 환경 보전을 위한 기계 학습의 활용

• 환경 보존 단체는 자원봉사자들이 화려한 꽃들의 다양한 종을 식별하고 기록하도록 요청할 수 있습니다.
• 이를 위해 데이터 과학자들은 꽃의 샘플을 수집하고 측정된 속성을 이용하여 기계 학습 모델을 훈련시킬 수 있습니다.
• 모델은 꽃의 속성을 기반으로 꽃의 종을 예측하고, 자원봉사자가 새로운 꽃을 찾으면 정확한 종을 식별할 수 있도록 도와줍니다.

📈 회귀에 대해 알아보기

🌡️ 회귀란?

• 회귀는 특정 항목의 속성을 기반으로 수치형 라벨을 예측하는 기계 학습의 한 형태입니다.
• 예를 들어, 자전거 대여 업체는 기온 정보와 같은 특정 날짜의 속성을 입력으로 사용하여 해당 날짜의 자전거 대여 수요를 예측할 수 있습니다.

📉 예제를 통한 회귀의 작동 원리 이해하기

• 예를 들어, 다음과 같은 훈련 데이터셋이 있다고 가정해 봅시다.
  • 기온(X)와 자전거 대여 수(Y)의 관계를 분석합니다.
• 훈련된 모델은 X 값을 사용하여 Y 값을 추정하는 함수를 찾습니다.
• 이 함수는 X 값을 입력으로 받아 Y 값을 출력하는 것입니다.
• 이 함수를 이용하여 이미 알고 있는 자전거 대여 수와 비교하여 모델의 예측 정확도를 판단할 수 있습니다.

📊 분류에 대해 알아보기

👥 분류란?

• 분류는 기계 학습의 한 형태로, 항목이 어느 카테고리나 클래스에 속하는지 예측하는 것을 말합니다.
• 예를 들어, 건강 클리닉은 환자의 나이, 체중, 혈압 등의 특성을 이용하여 당뇨병 위험 여부를 예측할 수 있습니다.
• 여기서 라벨(예측 결과)은 비당뇨병(0) 또는 당뇨병(1)으로 분류됩니다.

👥 유형별 분류 모델

• 상황 또는 특성에 따라 여러 분류 모델을 사용할 수 있습니다.
• 대표적인 분류 모델로는 의사결정트리, 나이브 베이즈, 로지스틱 회귀, 서포트 벡터 머신(SVM), k-최근접 이웃(KNN) 등이 있습니다.

🌐 군집화에 대해 알아보기

🧩 군집화란?

• 군집화는 기계 학습의 한 형태로, 특성에 따라 비슷한 항목들을 군집으로 묶는 것을 말합니다.
• 예를 들어, 식물학자는 식물의 측정값을 사용하여 식물들을 유사한 비율에 따라 군집화할 수 있습니다.

🎓 요약

• 이번 기계 학습 첫 번째 강의에서는 기계 학습에 대한 소개를 진행했습니다.
• 다음 강의에서는 Azure 기계 학습에 대해 알아보겠습니다.
• 그럼 다음 강의에서 만나요! 수고하셨습니다!