• 개요

▪︎ Machine Learning

▫︎ 과정

1. 입 / 출력 정의
2. 모델 만들기
3. 손실함수 정의
4. Weight 최적화

▫︎ 핵심요소

• 데이터
• 모델 및 학습 알고리즘
• 평가 및 예측

▫︎ 데이터

• 머신러닝은 데이터를 기반으로 모델을 학습하고 예측하는 방법
• 데이터는 입력 데이터(features)와 출력 데이터(labels)로 구성 (예외 경우도 존재)
• 데이터 품질이 모델 성능에 큰 영향을 미치며, 전처리(결측값 처리, 이상값 제거, 정규화 등)와 특징 추출이 필수

▫︎ 모델

• 데이터를 통해 패턴/관계를 학습하고 결과를 예측하는 수학적인 알고리즘의 집합
• 수학적 함수
• 손실을 최소화 하는것이 목표