Skip to content

Machine Learning

Jump to bottom
JungSu Kim edited this page Feb 4, 2016 · 2 revisions

Reference

활용사례

  • 아마존 상품 추천 서비스
  • facebook 개인 추천 광고

머신러닝 수행단계

  1. 데이터 수집
  2. 데이터 정리
  3. ML 알고리즘 선택
  4. 훈련과 테스트
  5. 실전
  6. 피드백

머신러닝에 필요한 능력

  • 수학
  • 통계학
  • 알고리즘 이해
  • 비즈니스 이해

머신러닝의 종류

  • 지도학습 (Supervised Learning)
    • 데이터를 학습하는 과정에서 사람이 개입하는 학습방법
    • 회귀 (Regression)
      • 결정 트리
      • Random Forests
      • Boosting Trees
      • Neural Networks
      • Support Vector Regression
    • 분류 (Classification)
      • Naive-Bayes
      • K-Nearest Neighbors
      • Logistic Regression
      • Support Vector Machine
  • 자율학습 (Unsupervised Learning)
    • 데이터를 학습하는 과정에서 사람이 개입하지 않는 학습방법
    • 군집화 (Clustering)
      • K 평균
      • Mixture Models
      • Hierarchical Clustering

머신러닝 컨닝페이퍼

키워드

  • 기계학습(Machine Learning)

    • 데이터에서 의미있는 패턴을 찾아내는 알고리즘을 의미하며, 이 알고리즘들은 정보검색이나 데이터 마이닝에서 사용될 수 있음

  • 정보검색(Information Retrieval)

    • 정보의 집합에서 원하는 정보를 뽑아내는 기술을 의미하며, 여러 정의가 있으나 데이터의 일부분을 빠르게 찾아내는 기술을 의미

  • 데이터 마이닝(Data Mining)

    • 데이터 내부에 숨겨진 것을 찾아내는 기술을 의미

  • 선형회귀법(Linear Regression)

  • 매트릭스 처리(Matrix Manipulation)

  • 선형 대수(Linear Algebra)

  • 최적화(Optimization)

  • 군집화(Clustering)

  • 공간 연산(Spatial Operations)

  • 고속 푸리에 변환(Fast Fourier Transform)

  • 분류(Classification)

  • 지도학습(Supervised Learning)

  • 비지도학습(Unsupervised Learning)

By Python

By Scala

By Solutions

Clone this wiki locally