기계학습 , 이미지 인식 학습 ,패턴인식

영상처리에 있어서 기계학습?이 필요할 것 같다.

음.. 아직 더 알아 볼 것이 많다. 

- 머신러닝의 종류 : 신경망 / 데이터 마이닝 / 의사결정 트리 / 유전알고리즘 / 사례기반 추론 / 패턴인식 / 강화학습...

-패턴인식은 오일석 교수님의 책 추천한다고 한다..

-학습 알고리즘으로는 CNN / SVN / bayesian등이 있다고 한다.

---

http://eunwoopark.com/wp/2014/03/24/machine_learning/

기계학습(Machine Learning) 의 정의 및 종류

 

최근 몇년간 빅데이터 분석이 각광 받으면서, 빅데이터를 활용하여 분석하는 방법 중 하나인 기계 학습 (Machine learning, 이하 머신 러닝)에 대한 관심 또한 높아지고 있다.

머신 러닝이란 인공지능 (Artificial Intelligence: AI) 의 한 종류로, 데이터를 기반으로 컴퓨터가 스스로 학습한 내용을 바탕으로 회귀, 분류, 군집화 등의 예측 작업을 수행하는 것을 말한다. 스팸메일을 자동으로 필터링 하는 기술이나 사진상 얼굴을 인식하는 기술이 머신러닝의 좋은 사례이다.

머신 러닝에 대한 첫 정의는 인공지능 분야의 선도자이자 스탠포드 교수 였던  Arthur Samuel 교수에 의해 1959년 다음과 같이  내려졌다.

“명시적으로 프로그램 (explicitly programmed) 되지 않아도 컴퓨터가 스스로 학습할 수 있도록 능력을 부여하는 연구 분야”

이후 카네기멜론의 Tom Mitchell 은 Arthur Samuel 교수의 머신러닝에 대한 정의를 보다 고도화 시켰다.

“컴퓨터 프로그램이 경험(E: Experience)을 바탕으로 학습하여 연관 된 업무(T: Task)를 수행하고, 이에 대한 수행을 측정(P: Performance)하고 경험 E를 통해 성능 P를 증진시키는 것”

 

점점 많은 인터넷 업체들이 머신러닝의 중요성을 인지하고 서비스에 적용하고 있다. 특히 개인화, 추천 기능에 있어서 머신러닝이 차지하는 비중이 크다.

아마존의 경우, 머신러닝을 적용하여 고객 경험 뿐 아니라 매출 증대에 지대한 영향을 끼치고 있다. 최초 가입 시 성향을 입력받는 것 부터 시작해서, 고객이 클릭 했던 상품, 과거 구매 내역 등의 데이터를 수집하여 정교한 상품 추천을 제공하고 있다. 이는 고객이 물건을 찾아 헤매는 과정을 단축시켜줌으로써 보다 쉽고 빠르게 물건을 구매할 수 있도록 도와준다. 또한 같은 상품을 구매한 유사한 고객들이 추가적으로 구매한 상품을 추천하는 방식으로 업셀링까지 시도하여 머신러닝을 통한 매출 상승도 꾀하고 있다.

 

 

 

개인화 추천 서비스의 선구 주자인 넷플릭스의 경우에도 사용자가 좋아할 만한 영화를 추천해주기 위하여 별점 데이터를 기반으로 한 머신러닝을 활용하고 있다. 특히 넷플릭스는 자사의 데이터를 공개하며 예측 알고리즘의 정확도를 높이기 위한 컨테스트를 개최할 정도로 머신러닝을 중요시 하고 있다.

이 같은 머신러닝은 크게 지도학습(Supervised Learning)과 자율학습(Unsupervised Learning)으로 나눠진다.

지도학습은 알고리즘을 통해 정해진 답을 찾는 것이 목적이다. 따라서 훈련용 데이터 (training data) 로부터 함수를 추론해내는 형태의 머신러닝이다. 지도학습은 명확한 input과 output이 존재한다는 것이 그 특징이며, 결과물의 형태에 따라 다시 회귀 (Regression)와 분류 (Classification)으로 나뉜다. 지도학습 알고리즘을 통해 도출 된 함수는 다시 새로운 결과값을 예측하는데 사용 된다.

자율학습 (또는 비지도학습)은 입력값에 대한 목표치가 주어지지 않는다는 것이 특징이다. 이는 데이터가 어떻게 구성되어 있는지를 밝히는데 주로 사용되며, 일종의 그룹핑 알고리즘이라고 볼 수 있다.

• 지도학습 (Supervised Learning)
  • 회귀 (Regression)
  • 분류 (Classification)
• 자율학습 (Unsupervised Learning)
  • 군집화 (Clustering)

 

ㅇ 머신 러닝에 대한 기초 강의 및 참고 자료

1) 스탠포드 Andrew ng 교수의 머신러닝 강의

• Coursera 강의
• Youtube 강의 리스트
• 스탠포드 강의 자료

2) Tom Mitchell 교수 논문

• pdf 바로가기