머신러닝은 그냥 수학계산일 뿐 매우 별거아님

머신러닝과 딥러닝에 대해 매우 간단히 국민학교 레벨로 설명해드립니다. 

머신러닝은 컴퓨터가 스스로 문제를 풀 수 있게 데이터셋을 이용해 학습시키는 행위를 의미합니다. 

머신러닝으로 풀 수 있는 문제들은 

- 음성을 자동으로 자막으로 생성해주기 

- 비슷한 영화끼리 분류해주는 영화 추천서비스 만들기  

- 사진속에 나오는 사물이 자동차인지 보행자인지 맞추기 

이런 것들이 있습니다. 데이터와 규칙성만 있다면 컴퓨터에게 뭐든 학습시켜 스스로 판단하게 만들 수 있습니다.  

말이 매우 추상적인데, 구체적으로 설명하자면

뭐 예를 들어서 6월, 9월모의고사 성적으로 수능성적을 예측해보는 문제를 푼다고 가정해봅시다.

그럼 여러분이 알아서 6월 점수와 9월 점수로 수능성적을 추론하는 수식을 세웁니다. 

그냥 수학시간에 배운 함수나 방정식 그걸 떠올려서 대충 쓰시면 됩니다. 

수능점수 = 6월점수 x A + 9월점수 x B

이렇게 추론했다고 칩시다. 

그리고 A와 B라는 미지수를 여러분들이 적절한 값으로 추론하면 되는겁니다.

저는 0.3과 0.7 이런식으로 추론해봤습니다. 뭔가 부정확할 것 같고 어설프지만요. 

근데 추론을 컴퓨터에게 맡기면 그게 바로 머신러닝입니다. 생각보다 별거 아닙니다. 

그렇다면 적절한 A와 B값을 추론하는 기준이 중요하겠군요. 

그건 실제 수험생들의 6월, 9월, 수능점수 데이터를 가져오면 됩니다. 

그리고 내 모델의 예측결과 vs 실제 수능점수를 비교해서 오차가 최소화되는 A와 B값을 찾으면 되는겁니다.

끝입니다.

(참고로 A와 B는 가중치나 weight 라고 부릅니다. 강의에선 w1, w2라고 이름지었습니다)

그리고 딥러닝은 그저 머신러닝의 하나의 방법론일 뿐입니다. 

뉴럴 네트워크라는걸 만들어 컴퓨터에게 적절한 weight 를 찾게 시키는 방법이 바로 딥러닝입니다.