1. Introduction

Artificial Intelligence: 인지 행동을 모방하는 시스템을 구축하는 학문

Machine Learning: 주어진 데이터를 통해 수학적인 모델을 fitting 하여 결정하고록 하는 것을 학습하는 AI의 subset.

Deep Neural Network: ML 모델 중에서도 크고 거대한 모델들을 의미함. 앞으로 스터디 하는 동안 다룰 토픽.

• ML은 크게 3가지의 파트로 구분할 수 있다.
  1. Supervised learning
  2. Unsupervised learning
  3. Reinforcement learning

1.1. Supervised Learning

Supervised learning model 은 input data 로부터 output data 로의 mapping 을 정의한다.

1.1.1. Regression and classificatino problems

먼저 input, output data는 보통(거의 모두) vector format 으로 encoding, decoding 된다. 아래 설명에서는 아직은 ML model 을 blackbox 로 여기고 설명을 진행한다.

위 a-b) 의 예제는 Regression task 의 예시를 보인다. 방의 정보, 혹은 분자의 구조에 대한 정보가 vector format 으로 주어졌을 때 이에 대한 결과로 방의 가격, 어는 점, 끓는 점에 대한 어떤 continuous number 로 return 된다.

c-e)는 반면 어떤 category 를 결과로 낸다. 이를 Classification task라고 한다.

1.1.2. Inputs

input도 다양한 form 을 갖는다. 예를 들어 집 값에 대한 정보는 순서가 있고 길이가 고정 돼있다. 이러한 데이터를 Structured or tabular data 라고 한다.

반면, 레스토랑 리뷰 같은 text 같은 경우 길이가 문장의 단어의 갯수에 따라 다르기 때문에 variable 하고 특히 순서가 중요하다.

sound data 의 경우는 약 10초 정도로 소리를 끊었을 때, 약 441,000개의 정수값을 갖는다. 이미지의 경우 2D 픽셀 값들로 구성되어 있고, 각 픽셀 간은 서로 매우 밀접하게 연관 돼있다. 분자 구조를 분석하는 데이터의 경우는 분자 구조를 vector form 으로 변환하기 위해 특별히 고안된 모델의 구조가 필요하다.

1.1.3. Machine learning models

예제를 살펴보자.