[Coursera / ML] 01_Introduction

들어가며

---

며칠 전, 누군가가 같이 ML 공부를 해볼 것을 제안하였다.

ML이 워낙 핫한 주제라 전공자로써 한 번쯤은 공부해야겠다는 생각을 하고 있었는데

이번을 계기로 ML 공부를 시작하게 되었다.

 

전 세계적으로 가장 유명한 ML 강의인,

코세라(Cource)에 올라온 앤드류 응(Andrew Ng) 선생님의 강의를 통해 공부를 시작해 볼 생각이다.

 

이제 막 ML에 대해 공부를 시작하는 단계라,

이와 관련된 포스팅은 강의 복습용으로 작성된다고 생각하면 될 것 같다.

 

ML Definition

---

Arthur Samuel(1959). Machine Learning:

(영문) Field of study that gives computers the ability to learn without being explicitly programmed.

(한글) 명시적으로 프로그밍을 해주지 않아도, 컴퓨터에게 배울 수 있는 능력을 줄 수 있도록 하는 분야이다.

(해석) 컴퓨터에게 이렇게 해라 저렇게 해라 프로그래밍을 해주지 않아도, 컴퓨터가 스스로 학습하여 상황에 맞춰 그 때에 알맞은 출력(결과)를 낼 수 있도록 하는 분야라는 뜻.

 

Tom Mitchel(1998). Well-posed Learning Problem:

(영문) A computer program is said to learn from experience E with respect to som task T and some performance measure P, if its performance on T as measured by P, improves with experience E.

(한글) 경험(E), 이와 관련된 일(T), 성능 측정(P)라 할 때, 경험에 의해 어떤 일의 성능이 좋아지도록 학습하는 컴퓨터 프로그래밍을 ML이라 일컫는다.

(해석) 한글만 봐도 이해가 되므로, 따로 해석하지 않겠다.

 

예를 들면, 다음과 같다.

경험(E): Watching you label emails as spam or not spam

일(T): Classifying emails as spam or not spam

성능(P): The number(of fraction) of emails correctly classified as spam/not spam

 

ML algorithms

---

1. Supervised learning
2. Unsupervised learning
3. others: Reinforcement learning, recommender systems

Supervised Learning

---

• right answers given

1. Regression: Predict continuous valued output
2. Classification: Discrete valued output

Unsupervised Learning

---

1. Clustering
2. Non-clustering: The "Cocktail Party Algorithm", allows you to find structure in a chaotic environment.(i.e. identifying individual voices and music from a mesh of sounds at a cocktail party).