➕ Data Science/▹ ML

1. 머신러닝 소개

Ardor924 2025. 5. 2. 12:21

소개

개념 :
머신러닝 정의 머신러닝은 인공지능의 하위 집합으로, 많은 양의 데이터를 제공하여 명시적으로 프로그래밍하지 않고 신경망과 딥 러닝을 사용하여 시스템이 자율적으로 학습하고 개선할 수 있게있게 하는 기술

역사 :

![[Screenshot_180.png]]

1. 초기 개념의 태동 (1940–1960년대)

  • 1943년: 워런 맥컬록(Warren McCulloch)과 월터 피츠(Walter Pitts)가 최초의 인공 신경망 모델 제안.
  • 1950년: 앨런 튜링(Alan Turing)이 "기계가 생각할 수 있는가?"라는 논문에서 학습 가능한 기계 개념 언급.
  • 1957년: 프랭크 로젠블라트(Frank Rosenblatt)가 퍼셉트론(Perceptron) 개발—최초의 신경망 알고리즘.
  • 1959년: 아서 사무엘(Arthur Samuel)이 "머신러닝"이라는 용어를 처음 사용하며 체스 프로그램 개발.

2. 암흑기와 재조명 (1970–1980년대)

  • 1970년대: 퍼셉트론의 한계(비선형 문제 해결 불가)로 인한 "AI 겨울" 시작. 자금 지원 감소.
  • 1986년: 역전파(Backpropagation) 알고리즘 재발견(데이비드 럼멜하트 등). 다층 신경망 훈련 가능해짐.
  • 1980년대: 결정 트리(Decision Tree), 서포트 벡터 머신(SVM) 등 통계 기반 알고리즘 등장.

3. 실용화와 발전 (1990–2000년대)

  • 1995년: SVM(Support Vector Machine) 등장(블라디미르 배프니크). 분류 문제에서 강력한 성능 증명.
  • 1997년: IBM "딥 블루"가 체스 세계 챔피언 가리 카스파로프를 승리.
  • 2001년: 랜덤 포레스트(Random Forest) 제안(레오 브레이만).
  • 2006년: 제프리 힌튼(Geoffrey Hinton)이 딥러닝(Deep Learning) 용어 사용하며 신경망 부활 신호.

4. 딥러닝 혁명 (2010년대–현재)

  • 2012년: AlexNet(합성곱 신경망, CNN)이 ImageNet 경연에서 압승하며 딥러닝 시대 개막.
  • 2014년: GAN(Generative Adversarial Network) 등장(이안 굿펠로우). 생성 AI의 시작.
  • 2016년: 알파고(AlphaGo)가 이세돌 9단을 상대로 승리.
  • 2017년: 트랜스포머(Transformer) 아키텍처 등장(구글). 자연어 처리(NLP) 혁신.
  • 2020년대: GPT-3, BERT 등 대규모 언어 모델(LLM)의 폭발적 성장.

머신러닝 활용분야

  • 대량의 데이터에서 통찰을 얻어야 하는 문제
  • 새로운 데이터에 적응해야 하는 유동적인 환경
  • 기존 솔루션으로는 많은 수동 조정과 규칙이 필요한 문제
  • 전통적인 방식으로는 전혀 해결 방법이 없는 복잡한 문제

머신러닝 종류

  • 지도학습(Supervised Learning)
    • 데이터에대한 Label(정답) 이 주어진 상태에서 학습
    • 분류, 회귀
  • 비지도학습(Unsupervised Learning)
    • Label(정답) 없이 학습
    • 데이터의 숨겨진 특징,구조,패턴 파악할때 사용
    • 클러스터링(특성이 비슷한것을 묶는것),차원축소
    • 데이터 분석단계에서 많이 사용
  • 강화학습(Reinforcement Learning)
    • 완전한 (Label)답을 제공하지 않음
    • 정답을 맞췄을때 보상을 주어 기계가 더 보상을 받는 방향으로 행동을 학습
    • 주로 게임이나 로봇을 학습시킬때 많이 사용

![[Screenshot_181 1.png]]

분류(Classification)
  • 이진분류, 다중분류
  • 명확한 분류로 예측하는것
  • (alive or death), (red or blue or gold), (panda or lion or tiger or bird)
회귀(Regression)
  • 정확한 답은 아니지만 일정한 수치 를 예측하는것
  • 예측값의 미묘한 차이는 크게 중요하지 않다.

지도학습 예시 :
![[Screenshot_184.png]]

비지도학습 예시 :
![[Screenshot_182 2.png]]

강화학습 예시:
![[Screenshot_183.png]]