https://padlet.com/cs9637/7mihcitkaboz0eum 카리스마를 담아 만듦 en-us 2022-05-10 21:53:11 UTC 2022-05-19 17:14:08 UTC hello@padlet.com cs9637 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2178352196 머신러닝(기계학습)
1. 머신러닝: 지도학습과 비지도 학습
2. 지도학습으로 만들수 있는 모델: 분류, 예측
3. 비지도학습으로 만들수 있는 모델: 군집

오른쪽에 친구들과 정리한  jam보드 이미지를 저장해 올립니다.

]]> 2022-05-10 21:53:11 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2178352196 cs9637 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2178352198 2022-05-10 21:53:11 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2178352198 cs9637 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2178352199 2022-05-10 21:53:11 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2178352199 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188587646 2022-05-18 01:35:23 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188587646 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188591603 2022-05-18 01:38:11 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188591603 22106215 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188595414 2022-05-18 01:40:52 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188595414 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188596213 2022-05-18 01:41:25 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188596213 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188606329 2022-05-18 01:48:21 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188606329 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188610868 2022-05-18 01:51:09 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188610868 22106014 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188635988 2022-05-18 02:07:54 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2188635988 https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2191709606 머신러닝이란 간단하게 학습하는 ai를 말합니다. 머신러닝은 지도학습과 비지도학습으로 나뉘며, 지도학습에서 분류모델과 예측모델,
비지도학습에서 군집모델로 나뉩니다.

지도학습의 분류모델과 예측모델은 각각 정답과 데이터를 제공받아 분류하고 예측하는 것을 말하고, 비지도학습의 군집모델은 데이터만 제공받아 군집화 하여 분류하는 것을 말합니다.

하지만 이렇게만 설명해서는 각각의 모델들이 정확하게 무엇을 하는지 알기가 어렵습니다.
심지어 각각의 모델들은 하는 일 또한 비슷해 무슨차이가 있는지 구분짓는게 어렵습니다.

분류모델은 ai가 정답과 데이터를 제공받고, 분류하는 것인데 이것을 넓은 의미로 해석할 경우 결국에는 예측하는 것이 됩니다. 그런데 예측모델은 예측을 하는 모델이라 합니다.

그리고 또 분류모델은 분류하는 모델인데 군집모델도 군집화하여 분류하는 모델입니다. 이 두 모델은 단순히 지도학습과 비지도학습으로 나뉘기 때문에 차이가 있다라고 하기에는 전혀 납득이 되지 않습니다.

그렇기에 이러한 세가지 모델들이 무엇인지 정확하게 알기 위해 먼저 머신러닝 활용사례중 하나인 마케팅으로 예시를 들어가며 설명하도록 하겠습니다.

마케팅은 일단 군집모델이 사용되어 있습니다.
그러면 왜 서로 비슷한 모델인 분류모델 대신에 군집모델이 사용되어 있을까요? 그 이유를 알기 위해서는 마케팅을 하는 방법에 대해 알면 자연스레 알 수 있습니다.

예를들어 기업에서 축구화를 만들었고, 축구화를 효과적으로 판매하기 위해 마케터는 먼저 고객들을 분류해야 합니다.

먼저 고객들을 분류하기 위해 분류모델을 사용한다고 가정해 보겠습니다. 분류모델을 사용해 고객들을 분류할 경우에는 당연히 마케터는 축구화를 가장많이 구매하는 고객인 '10대 남성' 또는 '축구선수'를 기준으로 분류할 것입니다.

하지만 이렇게 분류할 경우 벌써부터 오류가 발생합니다. '10대 남성'과 '축구선수'는 마케터가 정한 기준인데 이러한 기준은 결국에는 사람이 정한 기준이라 오류가 발생할 가능성이 크고, 놓치는 부분이 생길 수 있습니다.

그런데 군집모델을 사용할 경우에는 ai가 마케터가 놓치기 쉬운 새로운 고객을 발견할 수 있습니다. 간단하게 '등산하는 사람'이나 축구화를 이용하는 남성말고도 여성 또한 발견할 수 있습니다.

이러한 차이점 때문에 마케팅에서는 분류모델 대신 군집모델이 이용됩니다. 그런데 이렇게 설명한다면 분류모델은 쓸모없는 모델이라는 오해를 불러 일으키기 쉽습니다.

하지만 분류모델과 군집모델은 비슷할 뿐 완전히 다른 모델입니다. 그 이유를 목적과 수단이라는 키워드에 맞춰 설명하자면 군집모델의 목적은 데이터 발견에 있고, 수단은 군집화를 이용한 분류와 새로운 데이터 발견을 위한 예측에 있는 반면 분류모델의 목적은 분류에 있고, 수단은 이산적인 값의 예측에 있습니다.

예를들어 기업의 직무를 분류하기 위해 먼저 군집모델을 사용한다고 가정하겠습니다. 군집모델은 ai가 지 멋대로 분류하는 것이기 때문에 경영 • 사무만 분류한다면 모를까 저것들 전부를 분류할 경우에는 영업 • 고객상담 과 서비스는 서비스업으로 서로 비슷한 직무이기에 ai가 서로 다른 두개의 직무를 하나로 군집화 하여 오류를 발생시킬 가능성이 있으며,

기존에 주는 데이터만 이용하여 분류해야 하는데 목적이 데이터 발견이라 ai가 새로운 데이터를 발견하면 그것을 다시 정리하는 사람만 고생하게 됩니다.

하지만 분류모델을 사용할 경우 레이블을 지정해 주어 ai가 오류 발생없이 정확하게 분류를 할 수 있습니다.

다음으로 예측모델 설명으로 넘어가 다시 목적과 수단으로 예측모델을 설명하자면 예측모델의 목적은 연속적인 값의 예측에 있고, 수단은 데이터 수집과 분석에 있습니다.

예측모델을 설명하기 위한 가장 쉬운 예시로 수요예측으로 설명을 하자면 간단하게 상품 A와 B의 수요량을 예측하기 위해 과거의 데이터들인 행사정보, 판매 가격, 날씨 정보 등 여러가지 데이터들을 수집하고 분석하여 상품 A와 B의 미래의 수요량을 측정하는 것 입니다.

그리고 예측모델의 목적은 연속적인 값의 예측이기에 이러한 결과들을 잘 설명하기 위해서 그래프를 많이 사용합니다.

이상으로 발표를 마칩니다. 감사합니다.

]]> 2022-05-19 17:14:08 UTC https://padlet.com/cs9637/7mihcitkaboz0eum/wish/2191709606