머신러닝 개괄하기

1. 머신러닝이란?

Machine + learning의 조합어로서 컴퓨터가 데이터를 분석하는 알고리즘 또는 기술을 말합니다. 이러한 머신러닝이 발전하게 된 계기는 데이터가 거대해진 것이 한 몫을 했습니다. 방대한 데이터가 존재하니 이것을 보다 효과적이고 이용 분석하기 위한 기법들이 나오게 된 것이죠.

머신러닝은 크게 지도학습(Supervised Learning)과 비지도 학습(Unsupervised Learning)이 있습니다. 지도학습은 날씨나 주식같은 것을 예측하는 것을 예로 들 수 있습니다. 비지도학습은 데이터들을 분석하면서 어떤 패턴을 찾아내는 것을 말합니다.

머신러닝은 기본적으로 

1) 대용량의 관측 및 사용 가능한 데이터를 대상으로 합니다.

2) 분석모형을 일반화 하거나 예측을 하는 것이 목표입니다.

3) 경험적으로 지식을 발견하는 방식으로 발전하고 있습니다.

2. 머신러닝이 어떻게 사용되고 있을까?

1) 금융 분야에서는?

금융권에서 대출을 한다고 할 때 내가 제출한 데이터를 기반으로 대출 심사를 머신러닝으로 할 수 있습니다. 그동안 쌓여온 데이터로 머신러닝이 어떤 예측을 할 수 있게 되는것 입니다. 이를 기반으로 나의 대출은 금융권의 이득이 되는 대출인지 머신러닝을 이용하는 것이죠.

주식에서도 매우 활발하게 머신러닝이 사용되고 있습니다. 주가가 하락할지 상승할지 등을 예측하여 투자를 해야하는지 등의 의사결정을 도와줄 수 있습니다.

2) 유통 분야에서는?

제품 이용에 대한 데이터를 가지고 거래에서의 유의미한 어떤 패턴을 발견해냅니다. A라는 상품과 B라는 상품을 어떤 환경에서 같이 구매하는 경우가 많다는 패턴을 발견해 내는 것도 한 예로 볼 수 있습니다.

3) 온라인 비즈니스는?

고객 리뷰 데이터나 공공 데이터 등을 축적하여 여러 패턴을 찾아내거나 예측을 하고 이를 통해 다양한 비즈니스 서비스를 시작할 수 있게 됩니다. 

3. 머신러닝 도구

머신러닝으로 가장 많이 사용되는 것은 파이썬입니다. 파이썬 라이브러리 중 데이터 처리와 탐색에 사용되는 것은 numpy, scipy, pandas, matplotlib입니다. 파이썬 라이브러리 중 학습에 사용하는 라이브러리는 sklearn, mlxtend, tensorflow, pytorch, mxnet등입니다. 이중에서 tensorflow는 딥러닝에 사용이 됩니다.

참고로 머신러닝과 딥러닝의 차이는 머신러닝은 학습에 필요한 데이터들을 잘 가공해서 제공을 해줘야 하지만 딥러닝은 데이터들이 있으면 자동으로 데이터를 분류하고 알아서 학습을 한다는 것입니다.

예를 들어서 강아지와 고양이 분류를 한다고 할 때 머신러닝은 강아지 사진과 고양이 사진을 제공하면서 무엇이 강아지고 고양이인지 알려줘서 학습을 시켜야 하지만 딥러닝은 사진들이 주어지면 고양이로 보이는 사진들과 강아지로 보이는 사진들을 자동으로 분류해냅니다.

무작위로 엄청나게 많은 양의 데이터가 주어지는 경우에는 딥러닝이 효과적일 수 있고 상대적으로 적은 데이터를 가지고 학습자가 학습을 시켜주는 경우라는 머신러닝이 효과적일 수 있습니다.