요즘 공부하고 있는 머신 러닝, 목표와 용어부터 정리해봅니다.

안녕하세요. 아쿠쿠(@akuku)입니다. 하루하루 소통이 즐거운 공간 스팀잇에 적응하는 중입니다. 스팀잇이 너무 재밌어 이것만 하고 싶은데 미래를 준비하려니 머신러닝도 배워야겠습니다. 매주 수업이 끝나면 공유하고 싶은 내용들 정리해봅니다.

왜 조금은 알고 있다고 생각했던 걸까요?

제가 요즘 공부하고 있는 머신 러닝에 대해 스스로 가진 의문입니다. 처음에는 기술 관련 업계에 몸 담고 있기에 당연히 알아야 할 키워드로 인지해 Andrew Ng 교수님의 수업을 들었을 뿐입니다. 그 후에는 역시나 너무도 친절하게 홍콩 과기대 김성훈 교수님이 텐서플로를 공부 할 수 있게 컨텐츠를 제공해주셔서 활용했었습니다.
하지만 수강 이력과 실무 활용은 완전히 다른 이야기.

요즘은 패스트 캠퍼스에서 강필성 교수님의 R을 활용한 머신러닝 Camp에 참여하고 있습니다.
이번 캠프에 참여하며 가진 목표는 딱 세가지 입니다.

• 1분기 내에 실무에서 활용
• 배운 것들, 진행하는 프로젝트의 내용을 많은 분들과 공유
• 이어서 진행할 프로젝트를 준비

매주 머신 러닝에 대한 개념을 잡아가며 방법론 또는 알고리즘을 익숙하게 하는 데 신경을 쓰고 있습니다. 그 과정에서 다시 편 책이 있습니다.
바로 ‘데이터 마이닝’ 교재.
머신 러닝이나 딥러닝, AI를 새로운 키워드로 알게 된 분들도 계시겠지요. 하지만 사실 2012년 부터 데이터 마이닝 교과서에서 다룬 내용과 크게 다르지 않습니다. 저도 이젠 실무에서 활용하려고 다시 돌이켜 보니 머신 러닝이라고 요즘 들리는 것들을 ‘데이터 마이닝’ 책에서 다시 확인하고 있습니다.
머신 러닝이 뭘까? 호기심이 생겼다면. 구글이나 위키에서 찾는 정보만으로 부족함을 느낀다면 데이터 마이닝 교재부터 보시기를 추천 드립니다.

제가 전해드릴 머신 러닝 이야기도 눈높이를 맞추기 위해 용어부터 한번 정리해드립니다.

• 알고리즘 : 특정한 데이터 마이닝 기술을 실행하기 위한 자세한 과정을 말한다. 분류나무, 판별 분석 등
• 모델 : 데이터세트에 적용되는 알고리즘을 말한다
• 지도 학습 : 결과변수를 아는 레코드를 알고리즘(로지스틱 회귀, 회귀나무 등)에 제공하는 과정을 말한다. 알고리즘은 결과변수를 모르는 상태에서 새로운 레코드들을 이용하여 이 값을 예측하는 걸 ‘배운다’
• 비지도 학습 : 분석 대상의 결과값을 예측하는 것 이외에 데이터에 대해 뭔가를 알아보려는 시도를 말한다(예, 데이터가 군집 안에 들어맞는지 여부)
• 검증 자료 : 모델이 얼마나 적합한지를 평가하고, 모델을 조절하고, 그리고 시도해 본 것들 중에서 최적의 모델을 선택할 때 쓰이는 데이터의 일부분을 말한다.

이 정도면 쉽게 이해가 가능하실 까요?
필요에 따라 더 쉬운 말로 풀어봐야 할지 궁금하네요.
저도 함께 공부하며 가장 쉬운 난이도로 공유해나갈 수 있기를 기대해보겠습니다.