머신 러닝(with Google Colab) - 0일차

머신러닝  0일 차  - Google Colab 사용법

---

머신러닝의 기본 개념

들어가기 앞서 우선 머신러닝의 기본 개념을 살펴보자.

머신러닝은 알고리즘이 데이터를 분석하여 패턴을 찾아내고, 이를 바탕으로 예측이나 결정을 내리는 과정이다. 기본적으로 머신러닝은 데이터와 모델, 학습 알고리즘의 세 가지 요소로 구성된다.

1. 데이터: 머신러닝의 성과는 주어진 데이터의 품질과 양에 크게 의존합니다. 데이터는 다양한 형태(정형 데이터, 비정형 데이터)로 존재할 수 있으며, 필요한 경우 전처리 과정을 통해 분석에 적합한 형태로 가공해야 합니다.
2. 모델: 데이터로부터 패턴을 학습하기 위해 사용하는 수학적 구조입니다. 모델의 종류에 따라 예측 결과나 성능이 달라지며, 일반적으로 선형 회귀, 결정 트리, 신경망, 서포트 벡터 머신 등이 있습니다.
3. 학습 알고리즘: 데이터로부터 모델을 학습하는 방법입니다. 지도 학습, 비지도 학습, 강화 학습 등 다양한 접근 방식이 있습니다.

---

머신러닝의 유형

머신러닝은 사용하는 유형은 아래와 같다

1. 지도 학습 (Supervised Learning)

• 특징: 입력 데이터와 그에 대한 정답(레이블)이 주어집니다. 모델은 이러한 데이터를 학습하여 새로운 입력에 대한 예측을 수행합니다.
• 예시:
  • 회귀(Regression): 주택 가격 예측, 주식 가격 예측 등 연속적인 값을 예측.
  • 분류(Classification): 이메일 스팸 분류, 이미지 분류(고양이 vs. 개) 등.

---

2. 비지도 학습 (Unsupervised Learning)

• 특징: 정답이 없는 데이터에서 숨겨진 패턴이나 구조를 찾습니다.
• 예시:
  • 클러스터링(Clustering): 고객 세분화, 문서 분류 등 유사한 데이터를 그룹화.
  • 차원 축소(Dimensionality Reduction): PCA(주성분 분석), t-SNE 등을 사용해 고차원 데이터를 시각화하거나 단순화.

---

3. 강화 학습 (Reinforcement Learning)

• 특징: 에이전트가 환경과 상호작용하며 보상을 최대화하기 위해 학습합니다. 보상 신호를 통해 행동을 조정합니다.
• 예시:
  • 게임 플레이: 알파고(바둑)나 OpenAI의 Dota 2 에이전트처럼 전략을 학습.
  • 로봇 제어: 로봇이 특정 작업을 수행하도록 학습.

---

머신러닝 프로세스

1. 문제 정의: 해결하고자 하는 문제를 명확히 합니다.
2. 데이터 수집: 필요한 데이터를 수집하고 정리합니다.
3. 데이터 전처리: 결측치 처리, 정규화, 인코딩 등 데이터를 분석하기 적합한 형태로 변환합니다.
4. 모델 선택: 해결하려는 문제에 적합한 알고리즘을 선택합니다.
5. 모델 학습: 데이터를 사용해 모델을 학습합니다.
6. 모델 평가: 테스트 데이터로 모델의 성능을 평가하고 필요시 튜닝합니다.
7. 배포 및 유지보수: 학습된 모델을 실제 환경에 배포하고 지속적으로 성능을 모니터링합니다.

---

머신러닝의 응용 분야

• 자연어 처리(NLP): 텍스트 분석, 번역, 챗봇 등.
• 이미지 인식: 얼굴 인식, 자율주행차의 객체 인식 등.
• 추천 시스템: 영화 추천, 상품 추천 등.
• 의료: 질병 예측, 환자 분류 등.
• 금융: 사기 탐지, 주식 거래 전략 개발 등.

---

Google Colab

우리가 머신러닝을 학습 위해서 필요한 준비물 중 가장 중요한 것이 해당 프로그램을 동작시킬 환경이다. 따라서 다양한

모듈들을 자동으로 제공해주는 Google Colab을 이용할 것이다.

구글 코랩(Google Colab)은 클라우드 기반의 Jupyter 노트북 환경으로, 머신러닝, 데이터 분석, 교육 등을 위한 도구로 사용된다. 코랩에서는 기본적으로 텍스트 셀과 코드 셀을 제공하는데, 코드 셀의 경우 앞으로 프로그램을 작성하면서 알아볼 것이므로 우선적으로 텍스트 셀에 관해 알아보자.

---

텍스트 셀

셀은 코랩에서 실행할수 있는 최소 단위를 의미한다. 텍스트 셀은 실제 실행에 영향을 미치지 않는 프로그램을 배웠다면

익숙할 주석과 같은 친구이다. 이는 메모장과 같이 편하게 생각하면 된다.

텍스트 셀에서는 HTML과 마크다운을 혼용해서 사용할 수 있다.  HTML과마크다운 은 웹 콘텐츠를 작성하고 형식을 지정하는 데 사용되는 두 가지 언어로 각각의 특징과 용도는 아래와 같다.

 

HTML (HyperText Markup Language)

• 정의: 웹 페이지를 구조화하고 내용을 표시하기 위해 사용되는 표준 마크업 언어이다.
• 구조: HTML은 태그를 사용하여 내용을 구성합니다. 예를 들어, <h1>은 제목을 나타내고, <p>는 문단을 나타냅니다.
• 특징:
  • 세밀한 스타일링과 레이아웃을 지원하며, CSS와 함께 사용됩니다.
  • 이미지, 링크, 비디오 등의 다양한 멀티미디어 요소를 포함할 수 있습니다.

Markdown

• 정의: 간단하고 직관적인 텍스트 기반 마크업 언어로, 주로 문서 작성과 형식화에 사용됩니다.
• 구조: 간단한 구문으로 다양한 형식(제목, 목록, 링크 등)을 만들 수 있습니다.
• 사용 예:
   
• 특징:
  • 쉽게 읽을 수 있으며, 코드 블록, 인용구, 목록 등을 간단하게 작성할 수 있습니다.
  • HTML과 결합하여 사용할 수 있어, 필요한 경우 더 복잡한 요소를 추가할 수 있습니다.

주요 차이점

• 복잡성: HTML은 구조가 복잡하고 다양한 기능을 제공하지만, Markdown은 간단하고 직관적입니다.
• 사용 용도: HTML은 웹 페이지 제작에 주로 사용되며, Markdown은 문서 작성, 블로그 포스트, README 파일 등에서 널리 사용됩니다.

HTML의 경우 웹페이지 제작을 배워본 사람이라면 익숙하겠지만 관련 학습을 하지 않았다면 어려운 내용이니 생략하고

Markdown에 대해서만 학습해 보자.

아래는 코랩에서 텍스트 셀을 생성했을 때의 화면이다.

텍스트 셀에서는 툴바에서 여러 기능들을 제공하는데 해당 아이콘의 동작은 마우스를 올려보면 알 수 있다.

이런 아이콘들은 모두 Markdown을 기반으로 만들어졌는데. 하나씩 알아가 보자.

---

Markdown

텍스트 셀에서 사용할 수 있는 마크다운은 아래와 같다.

마크다운 형식	설명	예시	아이콘
# 제목 1	문단의 모양 HTML의 <h1>테그와 동일 해당 아이콘을 1번	제목 1
## 제목 2	문단의 모양 HTML의 <h2>태그와 동일 해당 아이콘을 2번	제목 2
### 제목 3	문단의 모양 HTML의 <h3> 태그와 동일 해당 아이콘을 3번	제목 3
#### 제목 4	문단의 모양 HTML의 <h4> 태그와 동일 해당 아이콘을 4번	제목4
#####  제목 5	문단의 모양 HTML의 <h5> 태그와 동일 해당 아이콘을 5번	제목5
**내용**	굵게 쓰기(볼드체)	내용
*내용*  또는 _내용_	기울여 쓰기	내용
'print("내용")'	백틱 기호를 사용해 코드 서체로 씀	print("내용")
~~내용~~	취소선추가	내용
> 내용	들여쓰기 여러번가능	내용
*내용 또는 _내용	글머리 기호 목록을 만듬	내용
[내용](링크)	링크를 연결해줌	내용
	이미지 추가
$ y = x \time z $	레이텍 추가