파이썬 머신러닝 완벽 가이드 _ CH.1_(1)

Chapter1.1 _ 머신러닝의 개념

머신러닝이란 데이터를 기반으로 패턴을 학습하고 결과를 예측하는 알고리즘 기법을 통칭한다. 데이터를 기반으로 통계적인 신뢰도를 강화하고 예측 오류를 최소화하기 위한 수학적 기법을 적용해 데이터 내의 패턴을 스스로 인지하고 신뢰도 있는 예측 결과를 도출해 낸다.

 

머신러닝은 지도학습 / 비지도학습으로 구분되며, 각각은 세부적인 영역으로 나뉘게 된다.

지도학습 - 분류, 회귀, 추천 시스템, 시각/음성감지/인지, 텍스트 분석/NLP

비지도학습 - 클러스터링, 차원 축소, 강화학습

 

머신러닝은 데이터에 의존적이다. Garbage In, Garbage Out. 즉, 좋은 품질의 데이터를 갖추는 것이 머신러닝의 결과를 최적화하는 중요한 요소가 된다.

 

 

Chapter1.2 _ 파이썬과 R 기반의 머신러닝 비교

파이썬은 직관적인 문법, 객체지향과 함수형 프로그래밍을 포괄하는 프로그램 아키텍쳐, 다양한 라이브러리라는 장점R은 통계 분석을 위해 특화된 언어이며, 다양하고 많은 통계 패키지를 보유하고 있는 것이 장점

 

*딥러닝 프레임워크 _ 텐서플로(TensorFlow), 케라스(Keras), 파이토치(PyTorch)프레임워크란 응용 프로그램을 개발하기 위한

여러 라이브러리나 모듈 등을 효율적으로 사용할 수 있도록 하나로 묶어 놓은 일종의 패키지이다.

딥러닝 프레임워크는 이렇게 이미 검증된 라이브러리들과 딥러닝 알고리즘을 제공해주는 패키지라고 볼 수 있다.