머신 러닝 워크 플로우
1. 수집(Acquisition) 머신 러닝을 하기 위해서는 기계어 학습 시켜야 할 데이터가 필요하다. 자연어 데이터를 코퍼스(corpus)라고 하는데, 코퍼스란 조사나 연구 목적에 의해서 특정 도메인으로부터 수집된 텍스트 집합을 말한다.(txt파일, csv파일, xm파일) 2. 점검 및 탐색(Inspection and exploration) 데이터가 수집되었다면, 여기서는 점검하고 탐색하는 단계 거친다. 데이터의 구조, 노이드 데이터, 머신 러닝 적용을 위해서 데이터를 어떻게 정제해야 하는지 등을 파악한다. 이 단계에서는 탐색적 데이터 분석 단계(Exploratory Data Analysis, EDA)단계라고도 하는데 이는 독립 변수, 종속 변수, 변수 유형, 변수의 데이터 타입 등을 점검하며 데이터의..
2023. 12. 22.
딥 러닝, 머신러닝, 인공지능
딥러닝, 머신러닝, 인공지능 이들의 관계 인공지능 = 머신러닝 + 딥러닝 딥러닝 숨겨져 있는 특징들을 찾아내어 복잡한 문제를 풀 수 있도록 설계하는 것 (뉴런 네트워크) 머신러닝 뉴런 네트워크를 활용해서 조금 더 상위차원의 문제를 푸는 것(극소 패턴 추가, 새로운 알고리즘 추가) 인공지능 머신러닝의 알고리즘을 활용해서 고차원적인 문제를 푸는 것 러닝의 4가지 종류 1. 지도 학습(Supervised Learning) 컴퓨터가 훈련 데이터에 있는 패턴을 학습하여 새로운 데이터에 대한 예측을 수행하는 머신 러닝의 한 분야 Input (이미지, 텍스트) -> Encoder(특징 찾기) -> Feature -> Decoder(정답도출) -> Output(분류, 회귀, 연관성) Output(분류, 회귀, 연관성)..
2023. 12. 16.
