잠들지 않는 토끼 by 가토 에루테스 사토시

[ 밑줄/연결 ]

 

기반 기술을 이해할 때 중요한 것은, 어떠한 범위에 어떠한 규모로 영향을 미칠지 파악하는 일이다.....우리가 앞으로 살아갈 시대가 '인공지능 시대'가 아니라 '기계 학습 시대'가 아니라 '기계 뇌의 시대'라고 인식해줬으면 하는 이유다.

(기계 뇌가 할 수 있는 딱 세가지 일)

(1) 가시화 : 데이터를 인간이 감각적으로 파악할 수 있는 형태로 가공하거나 번역하는 기능

(2) 분류 : 성질이 같은 것과 다른 것을 구별하는 기능.. 스팸 메일 필터

(3) 예측 : 과거를 바탕으로 미래에 어떤 일이 일어날 확률이 얼마나 되는지 계산하는 기능...농작물 수확량 예측

 

'지도'란 데이터를 이용해서 사전에 기계 뇌를 학습시킨다는 뜻이다.

 

간편함을 중시한 모델은 기존의 통계학으로 만들어진 것들이다....데이터를 대략 요약하여 알기 쉽게 표현할 수 있다는 장점이 있지만, 데이터가 지닌 특징을 대폭 잘라내 버리므로 정확도가 떨어진다는 단점이 있다....통계학으로는 다양한 데이터의 평균적인 특징밖에 알 수 없다. 

 

정확도 중시 모델은 기계 학습을 이용하는 것으로, 데이터가 지는 복잡한 특징을 제거하지 않은 채로 처리하기 때문에 인간이 그 원리를 이해하기 어렵다. 그 대신 통계적인 수법보다 정확도가 휠씬 더 높다는 장점이 있다. 

 

(모델의 선택 기준)

결과를 내는 데 걸리는 시간이 얼마나 거리는가? 특히 실험 환경보다 데이터양이 많아졌을 때 얼마나 빨리 처리할 수 있는가? 

 

정확도와 나머지 세 개는 trade-off 관계다. 모델이 복잡할수록 '해석하기 쉬움'은 떨어지고, '프로그램 작업/구현'에 비용이 많이 들며, '속도'가 떨어지기 때문이다.

 

기계 뇌를 설계할 때는 현재 가진 data를 바탕으로 사고해서는 안 된다. 목적에 부합되지 않는 데이터를 바탕으로 발상하는 일은 시간 낭비나 다름없다.

 

기계 뇌를 설계할 때는 데이터를 크게 두 종류로 나눌 수 있다. 만들어 내고 싶은 데이터와, 그 재료가 되는 데이터...

세분화 정도(입도)란 데이터에 얼마나 자세한 내용이 담겨 있냐는 관점이다.

 

1분짜리 데이터는 1년 짜리 데이터보다 52만 5,600배의 분해능을 지니며, 이는 즉 데이터가 52만 5,600배 더 세분화되어어있다고 할 수 있다. 

 

분석 시간 중 80%는 데이터 정제에 든다.

 

 

[ 자평 ] 해 본 사람이 잘 정리한 책....