ML #1 - 단기집중과정 : ML 개념 1

ML 시작

학교에서 스터디로 일요일마다 진행되기에 시작해보기로 마음먹었다.

8월부터는 서울에 없지만 참여는 하기로 했고, 오늘 첫시간이었는데 답답한 부분이 많아

구글에 가이드가 있어 단기집중과정을 학습해보기로 하였다.

https://developers.google.com/machine-learning/crash-course/?hl=ko

머신러닝 단기집중과정

머신러닝에 대한 배경 지식이 전혀 없거나 거의 없습니다.

-> 모든 과정을 순서대로 진행하시기 바랍니다.

네엡!

 

• 머신러닝을 숙지해야 하는 이유

https://developers.google.com/machine-learning/crash-course/prereqs-and-prework?hl=ko

1. 프로그래밍 시간 줄이기
2. 맞춤 설정(커스터마이징)으로 여러 프로그램 사용 가능
3. 수동 작업을 자동 작업으로

그뿐만 아니라 수리과학 -> 자연과학으로 초점이 바뀐다 (논리가 아닌 통계)

 

• 프레이밍

https://developers.google.com/machine-learning/crash-course/framing/ml-terminology?hl=ko

supervisor machine learning : 모델을 만들고 입력을 결합하여 예측한다

1. label -> 라벨, 예측하는 실제 항목 -> 스팸, 스팸 X -> 예측하려는 타겟
2. feature -> 데이터를 설명하는 입력변수, 특성 -> 헤더, 라우팅 정보, 이메일 주소
3. 모델 -> 예측된 라벨 -> 데이터를 통한 학습과정에서 배움

• 회귀 모델 -> 연속적인 값 예측
• 분류 모델 -> 불연속적인 값 예측

 

• ML로 전환하기

https://developers.google.com/machine-learning/crash-course/descending-into-ml/video-lecture?hl=ko

• y(라벨) = w1(가중치)x1(입력, 특성) + b(w0, y절편)

학교에서는 mx 라고 배우지만, 여기서는 w 는 가중치(weight)를 나타내고, b는 편향.

숫자가 붙는 것은 차원이 높아질 수 있기 때문

• loss -> 예시를 잘 예측하는지.. 실제값 - 예측값 = 손실값
• L2 loss -> 제곱오차로고도 함. 회귀에 사용하는 손실 함수. 예측값과 실제값의 차를 제곱한 값

 

 

• ML로 전환하기: 선형 회귀

https://developers.google.com/machine-learning/crash-course/descending-into-ml/linear-regression?hl=ko

• 고모가 생일 선물로 두 특성의 관계를 예측하는 모델을 학습시켜 보라고 아끼던 귀뚜라미 데이터베이스를 줬다고 해 봅시다.
• 얼마나 친절한 고모이신지!
• MSE : 평균 제곱 오차

 

• 손실계산하기

• 손실 줄이기 : 경사 하강법 실습 학습 : https://developers.google.com/machine-learning/crash-course/fitter/graph?hl=ko
• 골디락스 학습률 
• 극솟값에 도달하기!

1. 확률적 경사하강법 : 한번에 하나의 예
2. 미니 배치 경사 하강법 : 10~1000개의 예

• 회귀 문제에서는 항상 볼록 함수 모양
• 확률적 경사하강법(SGD)
• 배치는 단일 반복에서 기울기를 계산하는 데 사용하는 예의 총 개수
• 대량의 데이터 세트에서 경사하강법을 수행할 때 더 효율적인 배치 크기는 소규모 배치 또는 예가 하나뿐인 배치(SGD)이다.

 

• TF 첫걸음

• TensorFlow는 머신러닝모델 개발용 플랫폼 뿐만 아니라 그래프 기반의 계산 프레임워크로 무엇이든 인코딩 가능
• 텐서플로우의 두 요소
  1. 그래프 프로토콜 버퍼
  2. 분산된 그래프를 실행하는 런타임
• TensorFlow 첫걸음: 프로그래밍 실습

1. Pandas 빠른 가이드: Pandas는 데이터 분석 및 모델링에 중요한 라이브러리이며 TensorFlow 코딩에 널리 사용됩니다. 이 가이드에서는 이 교육 과정에 필요한 Pandas 정보를 모두 제공합니다. 이미 Pandas를 알고 있으면 이 실습을 건너뛸 수 있습니다.
2. TensorFlow 첫걸음: 선형 회귀에 관해 알아봅니다.
3. 합성 특성과 이상점: 합성 특성 및 입력 이상점의 효과를 알아봅니다.

 

 

5시 10분부터 8시까지... (프로그래밍 실습  - TensorFlow 첫걸음 3단계까지 했음. 4단계부터 다시...)