모두를 위한 딥러닝 Lec00~Lec01

※ 본 카테고리의 글은 홍콩과기대 김성훈 교수님의 "Basic Machine/Deep Learning with TensorFlow(Python) 강의를 바탕으로 공부하되, TensorFlow2 환경에서 정리한 바를 기록하고 있습니다.

강의 웹사이트: http://hunkim.github.io/ml/

유튜브 : youtu.be/BS6O0zOGX4E

---

 

- ML의 등장 배경

: 프로그래머가 모든 경우의 수에 맞게 지정해주지 않더라도 컴퓨터가 스스로 규칙을 익혀 효율성을 증대하고자 하는 발상에서 시작됨

 

- 지도 학습(Supervised Learning)

 : 라벨이 붙은 학습데이터를 제공

ex) 이미지 라벨링, 스팸메일 필터, 과거 점수를 바탕으로 한 미래 점수 예측

 

- 비지도 학습(Unsupervised Learning)

 : 라벨이 붙지 않은 데이터로 알아서 grouping (라벨을 미리 붙이기 어렵거나 유사도만 가지는 경우에 해당)

 

 

---

- 3가지 대표적인 Supervised Learning

- 시간에 따라 0~100과 같은 범위를 가질 떄	Regression (회귀)
- Pass / non-Pass	Binary Classification (이진 분류)
- A / B / C / D / E 와 같이 레이블이 여러 개	Multi-label Classification (다중 레이블 분류)

 

---