인공지능? 모를 수도 있지 ! by 알고리마

[ 밑줄/연결 ]

 

(모델)

 

머신러닝은 입력된 데이터의 규칙이나 패턴을 학습하고 이를 바탕으로 스스로 기준을 만들어 데이터를 처리하는 능력이 있었지요. 여기서 데이터 처리를 하는 주체를 '모델'이라고 부릅니다. 모델은 함수와 비슷합니다. 모델에 데이터를 넣으면 특정한 결과를 도출하죠. 다만 함수는 이미 정해진 규칙을 따라 결론을 내는 반면, 모델은 학습을 통해 규칙이 달라질 수 있고 덕분에 결론이 더 좋은 방향으로 개선될 여지가 있습니다. 

 

(특징 추출)

 

머신러닝 모델로 원하는 결과를 얻으려면 데이터가 지닌 특성(feature)가지 모두 학습시켜야 합니다. 이 특성은 데이터가 지닌 특징적인 정보를 말합니다.  사실 데이터를 학습시킨다는 말은 곧 데이터의 '특성'을 학습시킨다는 말과 같죠.

 

같은 데이터라도 모델마다 서로 다르게 필요한 데이터의 각 특성을 가공하는 작업이 필요합니다.  이 단계를 특성추출(feature engineering)이라고 부릅니다.

 

 

[ 자평 ]  기본을  휘리릭 한 반나절 만에 훑어 보려 한다면.....

 

사무직이지만 인공지능의 원리를 알아야 하기에 가끔씩 이런 책을 훑어 본다.

결론적으로 아직까지 나는 인공지능의  원리에 대해 사이토 고키 (齋藤 康毅)의 책 보다 잘 쓴 책을 보지 못했다. 

3권까지 나와 있고 나는 2권까지만 봤다.