오늘은 머신러닝 강의를 듣고 있습니다.

강의하시는 분이 굉장히 잘 하시네요. ㅇ_ㅇ;;; 놀랍습니다.

개념차이로 이해를 돕는 컨셉으로 강의를 하시는데요.

머신러닝은
기존의 컴퓨팅과 비교를 하자면
y = 2x 처럼 결정된 함수를 실행한다. 라면

머신러닝은
모르는 문제에 y=ax라는 식을 만들고
a를 결정하고
답을 확인하는 방식이다 ???
고 하는 군요.

가장 중요하게
강조하시는 단어는 "결정" 입니다.

모르는 문제를
우리가 알고있는 유사식으로 변형하고
맞는 답을 찾아낸다... ???(이건 좀 이상하지만)

지능이 있다는 것은
문제를 해결하는 모델을 만들고
모델로 현실에 적용하고,
다시 모델을 맞게 수정하는 방식으로
문제해결을 하는 것.

모델이란
비슷한 유형의 많은 문제를 해결하기 위해서
만드는 공통 솔루션. 같습니다.

공통 솔루션의 범위가 넓을 때 적용하는 인공지능을
범용이라고 하고요.
현재는 없다고 알고 있어요.
범위가 좁으면 특수솔루션으로도 씁니다.
우리가 아는 대부분의 인공지능은 특수솔루션입니다.

알파고도 바둑이란 게임을 위해서
특수하게 제작된 솔루션이죠.

우리가 기계를 만들 때를 생각해보면
자판기를 만든다.
동전 넣기 => 선택 => 음료수 캔이 나옴.
이런 단계를 거칩니다.

예전 기계(컴퓨터) 였다면
인간이 자판기를 설계하고 그대로 컴퓨터가 실행했을텐데요.

머신러닝은
기계가 자판기를 설계할 수 있는 것이죠.
참 재밌는 것 같습니다. ㅎㅎㅎㅎ

머신러닝의 구성요소는
트레이닝, 밸리데이션, 테스트 인데요.

이걸 알기 위해서는 일단
파라미터, 하이퍼 파라미터, 아키텍쳐를 알아야 됩니다.

파라미터는 변수 X 입니다.
y= ax 라고 했을 때 x죠. 즉, 데이터죠.

하이퍼 파라미터는 상수 a 입니다.
2라고 하자. 하면, y=2x가 되는 거죠.

아키텍쳐는 y=ax 라고 하는 그 자체 입니다.
y= ax + 2bx+ c 도 될 수 있는데
왜 y=ax 인가하면,
아키텍쳐를 y = ax로 설정한 것이죠.
전체식이라고 생각하면 되겠습니다.

트레이닝은 파라미터(데이터) 를 맞추는 것이고요.
밸리데이션은 하이퍼 파라미터를 맞추는 것이고요.
테스트는 아키텍쳐를 맞추는 겁니다.

그렇게 해서 나온 결과로
더 정확한 답을 찾아보는 것이죠.

여기까지 밖에 이해를 못해서 끝......

감사합니다. ㅎㅎㅎㅎ