기계학습과 데이터마이닝

* 기계학습 (Machine Learning)

 - 기계가 일일이 코드로 명시하지 않은 동작을 데이터로 부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구분야 (1959)
 => Machine Learning gives computer systems the ability to "learn" with data
 
 - Definition by Tom M. Mitchell (1997)
   A computer program is said to learn from experience E if
    · it improves its performance P
    · at some task T
    · with experience E -> data

   => Task에 대한 Experience가 쌓일 수록 Performance가 향상되도록 고안되어 있는 알고리즘을 기계학습 알고리즘이라고 할 수 있다. 

* 딥러닝 (Deep Learning)
 - Part of machine learing
 - Mostly based on deep neural network architecture

 => 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합

 => 기계학습의 한 부분으로 주로 심층 신경망 아키텍처에 기반한 형태

* 데이터 마이닝 (Data Mining)
 - 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아 내는 것
 - KDD (데이터베이스 속의 지식 발견, knowledge-discovery in databases)
 - Association analysis (연관분석) - 응용 : 신용평가모형 , 사기탐지시스템 , 장바구니 분석 , 최적 포트폴리오 구축 등

 - 데이터 마이닝 vs. 머신러닝

* 데이터 사이언스 (Data Science)
 - 정형, 비정형 형태를 포함한 다양한 데이터로부터 지식과 인사이트를 추출하는데 과학적 방법론, 프로세스, 알고리즘, 시스템을 동원하는 융합 분야
 - 데이터마이닝 빅데이터와 연관

* 강화학습 (Reinforcement Learning)
 - For sequential decision making

 - Not supervised learning: 매 상태에 대해 취해야 할 ground truth (정답) 를 알지 못한다
 - Reinforcement learning: 환경으로 부터 reward(포상) 형태를 통해 피드백을 받음

 => 가장 큰 차이점: Reinforcement learning은 Sequential & correlated data

 

 

 아주대학교 정보통신대학원 손경아 교수님의 기계학습 및 데이터 마이닝 강의를 바탕으로 작성하였습니다.

 학습 목적으로 포스팅 합니다.