되돌아보는 챕터 1,2

챕터 1,2의 원서 책을 읽으며 공부를 하고,

2단원씩 기준삼아 한번 다시 간락하게 되돌아보는 시간을 가지려고 합니다.

 

♣ 책에 있는 프로그램 코드, 프로젝트 다 돌려보기

 

<Chapter 1>

♣ ML에 대해 생각해보자.

ML은 프로그램인가? CS를 전공하는 사람으로서 ML을 바라보고 생각하는 관점

 

 

♣ ML을 사용하는 이유?

모든 상황과 경우의 수에 대해서 if문을 작성하고 예측할 순 없다. 사람이 모든 상황을 예측하고 이에 대한 프로그램의 대처법을 미리 지정하긴 어렵다.

이러한 경우에 machine learning을 통해서 컴퓨터가 예제를 통해서 문제 해결 규칙을 배우고 적용할 수 있게 한다.

 

이때, 정말 중요한 point는

왜 supervised learning을 사용하지 않고 unsupervised learning을 사용할까?

데이터간의 특징을 파악하여 그룹화 하는 등의 unsupervised leaning은 사실 supervised learning으로 가능하다고도 할 수 있다.

 

위 질문에 대한 정답은 간단하다.

unsupervised learning은 training 을 거치지 않아도 결과를 predict 할 수 있기 때문이다.

 

일반적으로 supervised learning의 경우 모델의 정확도가 더 높다. 하지만 이를 위해서는 training을 해야하고 데이터가 필요하며, 올바를 데이터인지도 중요하다. 데이터를 바탕으로 training된 model을 이용한다.

 

그러나 때로는 train 시킬 데이터가 없어서 train을 못 시키는 경우도 존재한다. 이러한 경우에는 바로 unsupervised learning을 통해서 문제를 해결할 수 있는 것 이다.

 

♣ 딥러닝?

deep. layer

 

♣ Core ML과 Create ML의 관계?

- Core ML은 모델 라이브러리를 의미한다.

- Create ML은 새로은 ML을 만들 수 있다.

 

 

<Chapter 2>

 

♣ 이미지 orientation

회전 방향과 관련된 셋팅 사항은 chapter2 정리에서 다룬 내용이다.

핸드폰을 가로 방향으로 눕혀서 오른쪽 손으로 오른쪽 홈 버튼을 잡은 방향이 바로 기준인 0도 이다.

핸드폰을 올바르게 세우면 이는 시계방향으로 90도 돌린 것이니, 90도라고 부른다.

 

♣ SVM

위와 같은 그래프는 SVM, support vector machine 에서 주로 나온다.

dimension 차원과 관련된 내용도 다룬다.

이중에서 대표하는 것 중 하나는 regression 회귀 이다.

 

 

♣ 차원 관련

첫번째 그림과 같이 데이터가 분포해있으면 이는 나누기가 어렵다.

이때 차원을 높혀서 '높이'를 기준으로 나눌 수 있다.

♣ binary -> multy

에 적용하기

 

♣ Squeezenet