목차
1. 머신러닝
2. 비지도 학습 vs 지도학습
3. 지도 학습의 유형
4. Tensorflow
5. Data Flow Graph
6. Tensor Rank, Shape, Type
1. Machine Learing(머신러닝)
쉽게 말해서 개발자가 일일이 프로그래밍하지 않고 자체적으로 데이터를 학습한 후 적용하는 프로그램을 기계학습이라고 한다. 1959년, 아서 사무엘은 기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야라고 정의했다.
2. Unsupervised Learning(비지도 학습) vs Supervised Learning(지도 학습)
머신러닝을 학습 방식에 따라 Unsupervised Learning(비지도 학습), Supervised Learning(지도 학습)으로 나눌 수 있다. 먼저 Unsupervised Learning(비지도 학습)은 직접 라벨을 정하지 않고 데이터를 통해 스스로 학습하는 방식을 말한다. 이와 달리 Supervised Learning(지도학습)은 Training Set이라고 불리는 라벨링 된 데이터로 학습하는 방식을 말하며, 이미지 라벨링, 이메일 스팸 필터, 시험 성적 예측 등이 이에 해당한다.
3. Supervised Learning(지도 학습)의 유형
Supervised Learning(지도학습)은 결과에 따라서 다르게 나눠볼 수 있다. 시험 성적을 예측하는 것처럼 범위가 넓은 값을 예측하는 것은 Regression(회귀), Pass/Non-Pass처럼 값을 두 가지로 예측할 때 Binary Classification(이진 분류), A, B, C, D 등의 성적을 나누는 것처럼 예측값의 종류가 여러가지일 때 Multi-Label Classification(멀티 레이블 분류)라고 각각 지칭한다.
4. TensorFlow
TensorFlow는 Data Flow Graph를 사용하여 수치 계산을 하기 위한 오픈소스 소프트웨어 라이브러리이다.
5. Data Flow Graph
여러 Node와 그들을 연결하는 Edge로 구성된 것을 그래프라고 한다. Data Flow Graph도 그래프 종류 중에 하나이다. Data Flow Graph에서는 수학적인 Operation들을 Node로 표현하고, 다차원 데이터 배열(Tensor)을 Edge로 표현한다.
6. Tensor Rank, Shape, Type
Tensor는 Rank, Shape, Type이라는 개념들로 설명할 수 있다. 먼저 Rank는 몇 차원 배열인지를 나타낸다. 스칼라 값은 0, 벡터 값은 1, 행렬 값은 2로 나타낸다. 파이썬에서 어떻게 표현하는지는 아래의 그림을 참고하자.
Shape은 각각의 element에 값이 몇 개씩 들어있는지를 나타낸다. 예를 들어 [[1, 2, 3], [4, 5, 6]] 이와 같은 Tensor가 있을 때 이 Tensor의 Shape은 [2, 3]으로 나타낸다. 자세한 것은 아래 그림을 참고하자.
마지막으로 Type은 일반적인 프로그래밍 언어에서의 Type과 매우 유사하다. 대부분 float32를 사용하며 자세한 Type은 아래 그림을 참고하자.
관련 실습 코드는 아래 깃허브 링크를 참고하면 된다.
https://github.com/CLM-BONNY/DAVIL-DA-ML-Study/blob/main/Deep%20Learning%20For%20All/ML_Lab_01.ipynb
출처
모두를 위한 딥러닝 강좌(홍콩과기대 김성훈 교수님)
- ML lec 01 - 기본적인 Machine Learning의 용어와 개념 설명 https://www.youtube.com/watch?v=qPMeuL2LIqY&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=2
- ML lab 01 - TensorFlow의 설치 및 기본적인 operations(new) https://www.youtube.com/watch?v=-57Ne86Ia8w&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=3
'MACHINE LEARNING' 카테고리의 다른 글
[MACHINE LEARNNG] 04 Multi-variable Linear Regression (0) | 2023.03.20 |
---|---|
[MACHINE LEARNING] 03 Gradient Descent Algorithm (0) | 2023.03.19 |
[MACHINE LEARNING] 02 Linear Regression (0) | 2023.03.19 |