Ming's Life

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 이상 탐지(Anomaly Detection)란?☑️ 왜 필요한가?금융 사기카드 사기, 계좌 해킹 등으로 인한 금전적 손실을 미리 막기 위해제조업생산 라인이나 기계 설비에서 발생하는 고장을 사전에 예측하여 유지보수 비용 절감, 다운타임 최소화보안네트워크 침입 시도나 데이터 탈취 등을 빠르게 감지 ☑️ 이상치 탐지(Outlier Detection)와의 차이이상치 탐지(Outlier Detection)는 단순히 통계적으로 극단값(Outlier)을 찾는 데 초점을 둔다. 예를 들어 평균에서 크게 벗어난 데이터 포인트를 찾는 방식이상 탐지(Anomaly Detection)는 단순 극단값 뿐 아니라, 맥락(Context)이..

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 차원 축소가 왜 필요할까?☑️ 차원 축소의 필요성고차원 데이터란?데이터의 피처(변수)가 매우 많은 상태를 말합니다. 예컨대 이미지 데이터의 경우, 한 장의 이미지를 구성하는 픽셀 수만큼의 피처가 있을 수 있습니다.어떤 문제가 생길까?모델 학습 시 연산 복잡도가 급증하여 시간이 오래 걸림많은 피처들 중 일부는 실제로 중요한 정보를 주지 못하는 노이즈(잡음)일 수 있음차원이 너무 높아지면 데이터를 시각화하기가 어려워 패턴 파악이 힘듬차원 축소의 장점노이즈 제거로 모델 성능 및 일반화 능력을 개선할 수 있음2차원이나 3차원으로 축소하면 시각적으로 직관적인 분석을 할 수 있음데이터의 핵심 구조나 패턴을 더 쉽게 발견할 ..

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 비지도 학습 개요☑️ 비지도 학습이란?비지도 학습(Unsupervised Learning)은 정답(레이블) 없이 데이터에서 패턴이나 구조를 찾는 머신 러닝 기법을 의미활용 영역데이터의 군집화(Clustering)차원 축소(Dimensionality Reduction)이상치 탐지(Anomaly Detection) 등 ☑️ 지도 학습과의 비교지도 학습(Supervised Learning)입력 데이터에 대한 정답(레이블)을 알고 있는 상태에서 모델을 학습하여, 새로운 데이터가 들어왔을 때 레이블을 예측.ex) 이미지 분류, 스팸 메일 분류비지도 학습(Unsupervised Learning)별도의 레이블이 없고, 오직 ..

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 회귀 분석 개요☑️ 회귀 분석이란?종속변수(Y)와 하나 이상의 독립변수(X) 간의 관계를 추정하여, 연속형 종속변수를 예측하는 통계/머신러닝 기법ex) “공부한 시간(X)에 따라 시험 점수(Y)가 어떻게 변하는가?” 를 예측지도학습에서의 분류(Classification)와 회귀(Regression)의 차이분류: 결과값이 이산형(클래스 라벨)회귀: 결과값이 연속형(숫자 값)사람의 지능적인 작업을 기계가 수행하도록 만드는 광범위한 개념 ☑️ 회귀 모델을 사용하는 이유1. 미래 값 예측: 판매량, 주가, 온도 등 실수값 예측에 사용 2. 인과 관계 해석(통계 관점): 특정 독립변수가 종속변수에 미치는 영향력을 해석하..

1. 오늘 학습 키워드머신러닝 기초 2. 오늘 학습 한 내용을 나만의 언어로 정리하기 1. 머신러닝이란 ?컴퓨터가 인간의 개입 없이 데이터를 학습하여 패턴을 찾아내고, 새로운 데이터에 대해 예측이나 분류를 수행하는 기술☑️ 머신러닝의 3대 요소1. 데이터 : 데이터가 참고하는 정보의 모음2. 알고리즘(Algorithm) : 문제를 해결하기 위해 순서대로 처리하는 방법이나 규칙3. 컴퓨팅 파워(Computing Power) : 컴퓨터가 얼마나 빠르고 많이 일(연산)을 할 수 있는지 나타내는 능력치 ☑️ 머신러닝, AI, 딥러닝의 관계인공지능(AI)사람의 지능적인 작업을 기계가 수행하도록 만드는 광범위한 개념머신러닝AI를 실현하기 위한 방법 중 하나로, 데이터로부터 특징이나 규칙을 찾아내서 학습 하는 것..