019. 딥러닝을 배우기 시작하면서 느낀 머신러닝 공부의 심오함

저는 요즘 딥러닝을 배우고 있습니다.

물론 추석 연휴라 한 주 공부를 소홀히 했습니다만

퍼셉트론, 역전파 알고리즘, ReLU, CNN, RNN 등등 난생처음 들어보는 단어들과 머리를 싸매고 씨름 중입니다.

세계적인 석학들이 고안한 지 몇 년 안 된 개념들을 보니

얼마 전까지 배웠던 머신러닝 개념들(선형 회귀, knn, Decision Tree 등등)이 원시적으로 느껴집니다.

그러는 동시에 결국은 딥러닝도 머신러닝의 일부며 기본적인 핵심 개념들은 그대로 이어진다고 느껴집니다.

 

https://youtu.be/HcqpanDadyQ

위 링크의 유튜브 영상은 배우기 전에는 그냥 설명처럼 느껴졌지만 조금 알고 보면 핵심을 꿰뚫는 명강의로 느껴집니다.

이 영상은 복잡한 수식을 인용하지 않지만 결론적으로 중요한 내용은 모두 짚습니다.

머신러닝을 실질적으로 다루다 보면 수식과 개념에 매몰되어 머신러닝의 핵심 개념을 잊기 쉬워지기 때문입니다.

제일 기억에 남는 대사는

 

머신러닝은 문제의 답을 구하기 위해 데이터를 이용하는 것이다.

 

입니다! 

제가 몇 주 동안 코딩하면서 고통받는 이유도 결국 캐글 대회가 원하는 답을 구하기 위해서이었죠!

 

그리고 위 설명의 머신러닝을 두 가지 과정으로 나누면 Training(학습)과 Prediction(예측)으로 나눌 수 있습니다.

Training은 데이터를 이용해 답을 예측하는 모델을 만드는 과정이고

Prediction은 모델을 이용해 질문에 답하는 과정입니다.

두 가지 과정으로 암도 예측하고 유투브 사용자에게 추천 영상도 제공하죠!

 

이 Training과 Prediction을 하는 게 결국 머신러닝이라는 사실을 잊고 공부하다 보면

내가 뭘 공부하는 건지 내가 뭘 모르는 건지 헷갈리게 됩니다..

다음으로 위 영상의 발표자인 Yufeng Guo님이 머신러닝의 7단계 워크플로우에 대해 이야기하고 싶은데,

머신러닝 워크플로우의 처음과 마지막에 대해 살짝 맛을 봐야 중간 과정이 의미 있기에

그전에 머신러닝의 종류와 지도학습에서의 분류와 회귀의 구분 그리고 모델의 평가지표에 대해 배우고 

7단계 워크플로우에 대해 떠들겠습니다.