지난 글에서는 지도 학습 중 회귀모델, 의사결정나무, 서포트 벡터 머신에 대해서 알아보았고, 이번 글에서는 신경망에 대해서 알아보려고 합니다. 그런데 왜 신경망을 같이 안 다루고 따로 글을 썼느냐? 하면 신경망이 최근에 머신러닝에서 가장 핫한 알고리즘이고 다른 머신러닝 기법을 제치고 정확도 면에서 가장 우수한 높은 퍼포먼스를 나타냈기 때문입니다. 신경망은 1950년대에 만들어진 역사가 깊은 방법이지만 왜 그 때는 지지부진하다 최근에서야 다시 떠오르게 되었는가 하면, 2000년대에 들어와서야 대규모 데이터를 만들고 처리할 수 있는 컴퓨터 환경이 갖춰졌기 때문입니다. 신경망이 제대로 작동하려면 엄청난 데이터를 입력해주어야 하고 또 엄청난 연산작업을 수행해야 하는데, 1950년대 컴퓨터로는 택도 없었고, 19..

지난 글에서는 머신러닝의 의미와 작동하는 방법에 따라 지도학습과 비지도학습으로 분류할 수 있다고 하였습니다. 이번 글에서는 데이터의 형태에 따라 지도학습의 역할이 어떻게 달라지는 지 먼저 살펴보고, 그 다음 지도학습에 해당하는 머신러닝 알고리즘에 대해 소개하도록 하겠습니다. 1. 지도학습의 역할 - 분류 vs 회귀 지도학습에서는 레이블링된 훈련 데이터를 학습하여 모델을 만들고, 레이블링 되지않은 테스트 데이터를 모델에 적용하여 입력된 데이터에 대해서 맞는 답을 찾는다고 앞서 설명하였습니다. 이 때 레이블링된 답이 어떤 형태인지에 따라 모델은 분류 또는 회귀의 방법으로 답을 예측합니다. 먼저 이전 글에서 언급한 개와 고양이 사진 구분의 예시의 경우에는 레이블링된 값(출력값)이 딱딱 떨어지게 서로 구분되는 ..

2016년 3월 알파고와 이세돌의 대국은 최근 개발되고 있는 인공지능의 기술에 대해 대중들이 관심을 갖게하는 커다란 전기가 되었고 많은 분들이 충격을 금치 못했었습니다. 그 이후로 알파고는 인간과의 대국에서 진 적이 없다고 하고, 심지어 현재는 '알파 제로'라는 새로운 이름으로 이전 알파고와는 차원이 다른 실력을 자랑한다고 하네요.(그래서 이세돌이 (현재의) 인공지능을 이긴 최초이자 마지막 사람인 엄청난 타이틀을 갖게 되었다고 하네요.) 또한 알파고를 만들었던 딥마인드에서는 올해 FPS게임인 퀘이크 아레나 중 깃발뺏기 모드를 플레이하는 인공지능을 개발하였는데 아무것도 모르는 초짜 상태임에도 스스로 게임을 하면서 학습하여 사람 플레이어를 뛰어넘는 경지에까지 이르렀다고 할 정도로 인공지능 기술은 계속 발전하..

파이썬에 텐서플로우라는 강력한 딥러닝 라이브러리가 생긴 이후로 빅데이터 분야에 R 이후로 신흥강자로 떠올랐는데요 하지만 태생이 범용 프로그래밍 언어로 만들어진 것이다 보니 개발자의 철학이 녹아있고그런 점에서 개발자가 아닌 분석가가 사용하기에는 R보다 난해한 점들이 곳곳에 있습니다. 이번에 한글 형태소 분석기인 KoNLPy를 설치하면서 또 여실히 느꼈는데요. R의 형태소 분석기인 KoNLP는 패키지 설치 후 라이브러리로 불러오면 만사 OK였는데KoNLPy는 JAVA VM 환경에서 작동하게 되어있어서 이것저것 깔고 설정할 것들이 많더라구요. 그 과정에서 타이핑 해야하는 각종 커맨드들... 그리고 환경에 따라 누구한테는 되는데 저한테는 실행이 안되는 케이스들... 닷넷 환경에서 개발만 경험해본 저에게는 상당히..