앤드류 응의 머신러닝 : 결론, 마지막 강의
온라인 강의 플랫폼 코세라의 창립자인 앤드류 응 (Andrew Ng) 교수는 인공지능 업계의 거장입니다. 그가 스탠퍼드 대학에서 머신 러닝 입문자에게 한 강의를 그대로 코세라 온라인 강의 (Coursera.org)에서 무료로 배울 수 있습니다. 이 강의는 머신러닝 입문자들의 필수코스입니다. 인공지능과 머신러닝을 혼자 공부하면서 자연스럽게 만나게 되는 강의입니다.
Conclusion (결론)
Conclusion (결론)
Summary and Thank you ( 요약과 감사인사)
Welcome to the final video of this Machine Learning class. We've been through a lot of different videos together. In this video I would like to just quickly summarize the main topics of this course and then say a few words at the end and that will wrap up the class.
머신 러닝 수업의 마지막 강의를 듣는 것을 환영합니다. 우리는 많은 강의를 함께했습니다. 이번 강의에서는 머신 러닝 과정을 간단하게 요약하고 마지막에 간단하게 마무리할 것입니다.
So what have we done? In this class we spent a lot of time talking about supervised learning algorithms like linear regression, logistic regression, neural networks, SVMs. for problems where you have labelled data and labelled examples like x(i), y(i). And we also spent quite a lot of time talking about unsupervised learning like K-means clustering, Principal Components Analysis for dimensionality reduction and Anomaly Detection algorithms for when you have only unlabelled data x(i). Although Anomaly Detection can also use some labelled data to evaluate the algorithm. We also spent some time talking about special applications or special topics like Recommender Systems and large scale machine learning systems including parallelized and rapid-use systems as well as some special applications like sliding windows object classification for computer vision.
지금까지 무엇을 배웠을까요? 이 과정에서 선회 회귀, 로지스틱 회귀, 인공 신경망, SVM (서포트 벡터 머신)과 같은 지도 학습을 배웠습니다. 지도 학습은 레이블이 지정된 데이터 셋 또는 학습 예제 (x^(i), y^(i))를 다룹니다. 또한, K-평균 클러스터링, 차원 축소를 위한 주성분 분석 PCA 그리고 이상 탐지와 같은 비지도 학습을 배웠습니다. 비지도 학습은 레이블이 지정되지 않은 데이터 또는 학습 예제 x^(i)만 다룹니다. 물론, 이상 탐지는 레이블이 지정된 데이터를 사용할 수도 있습니다. 추천 시스템과 병렬 처리와 속도를 향상할 수 있는 대용량 머신 러닝 시스템과 같은 특수한 응용 사례나 주제를 배웠습니다. 슬라이딩 윈도우 분류를 활용한 컴퓨터 비전 문제도 다루었습니다.
And finally we also spent a lot of time talking about different aspects of, sort of, advice on building a machine learning system. And this involved both trying to understand what is it that makes a machine learning algorithm work or not work. So we talked about things like bias and variance, and how regularization can help with some variance problems. And we also spent a little bit of time talking about this question of how to decide what to work on next. So, how to prioritize how you spend your time when you're developing a machine learning system. So we talked about evaluation of learning algorithms, evaluation metrics like precision recall, F1 score as well as practical aspects of evaluation like the training, cross-validation and test sets. And we also spent a lot of time talking about debugging learning algorithms and making sure the learning algorithm is working. So we talked about diagnostics like learning curves and also talked about things like error analysis and ceiling analysis. And so all of these were different tools for helping you to decide what to do next and how to spend your valuable time when you're developing a machine learning system. And in addition to having the tools of machine learning at your disposal so knowing the tools of machine learning like supervised learning and unsupervised learning and so on, I hope that you now not only have the tools, but that you know how to apply these tools really well to build powerful machine learning systems. So, that's it.
마지막으로 머신 러닝 시스템 구축을 위한 여러 가지 조언을 공부했습니다. 기계 학습 알고리즘이 제대로 작동하는지 이해하는 방법도 배웠습니다. 편향, 분산, 정규화를 배웠습니다. 그리고 다음에 무엇을 할지를 결정하는 방법을 배웠습니다. 머신 러닝 시스템을 개발할 때 시간을 사용하는 우선순위를 정하기 위한 방법입니다. 그래서, 학습 알고리즘의 평가하기 위한 , 정확도 평가와 F1-Score와 같은 단일 실수 평가 매트릭스를 배웠고, 학습 예제를 학습 셋, 테스트 셋과 교차 검증 셋으로 구분하는 것도 배웠습니다. 또한, 학습 알고리즘을 디버깅하고 제대로 동작하는지 확인하는 법도 배웠습니다. 학습곡선과 같은 진단 방법, 오류 분석, 천정 분석도 배웠습니다. 머신 러닝 시스템을 개발할 때 다음에 해야 할 일과 집중할 작업을 결정하기 위한 도구들입니다. 지도 학습, 비지도 학습, 강화 학습과 같은 머신러닝 도구를 아는 것 외에도 강력한 머신 러닝 시스템을 구현하기 위해 이런 도구를 적용하는 방법도 알기를 희망합니다. 그것이 전부입니다.
Those were the topics of this class and if you worked all the way through this course you should now consider yourself an expert in machine learning. As you know, machine learning is a technology that's having huge impact on science, technology and industry. And you're now well qualified to use these tools of machine learning to great effect. I hope that many of you in this class will find ways to use machine learning to build cool systems and cool applications and cool products. And I hope that you find ways to use machine learning not only your life better but maybe someday life better but maybe someday to use it to make many other people's life better as well. I also wanted to let you know that this class has been great fun for me to teach. So, thank you for that.
이것이 지금까지 배운 이 과정의 주제였습니다. 여러분들이 이 과정을 끝까지 공부했다면, 스스로 머신 러닝의 전문가라고 생각해야 합니다. 머신러닝은 과학, 기술 및 산업에 큰 영향을 미치는 기술입니다. 여러분들은 머신 러닝 도구를 활용하여 효과를 높일 수 있습니다. 여러분들이 멋진 머신러닝 시스템, 멋진 애플리케이션, 멋진 제품을 구축하는 방법을 찾기를 바랍니다. 그리고 여러분들이 머신 러닝을 사용하는 방법을 찾기를 희망합니다. 여러분의 삶을 더 좋게 할 뿐만 아니라 언젠가는 사람들이 더 나은 삶을 살 수 있는 세상을 만드는 데 사용할 수 있습니다. 또한, 제가 이 수업을 가르치는 과정이 정말 재미있었습니다. 감사합니다.
And before wrapping up, there's just one last thing I wanted to say. Which is that: It was maybe not so long ago, that I was a student myself. And even today, you know, I still try to take different courses when I have time to try to learn new things. And so I know how time-consuming it is to learn this stuff. I know that you're probably a busy person with many, many other things going on in your life. And so the fact that you still found the time or took the time to watch these videos and, you know, many of these videos just went on for hours, right? And the fact many of you took the time to go through the review questions and that many of you took the time to work through the programming exercises. And these were long and complicate programming exercises. I wanted to say thank you for that. And I know that many of you have worked hard on this class and that many of you have put a lot of time into this class, that many of you have put a lot of yourselves into this class. So I hope that you also got a lot of out this class. And I wanted to say: Thank you very much for having been a student in this class.
마무리하기 전에 마지막으로 하고 싶은 말이 하나 있습니다. 얼마 전 저는 학생이었습니다. 지금도 새로운 것을 배울 시간 있을 때 다른 과정을 공부합니다. 그래서 저는 여러분이 머신러닝을 공부하기 위해 얼마나 많은 시간이 걸렸는지 압니다. 여러분들은 인생에서 일어나는 많은 일들로 바쁜 일상을 보냅니다. 강의를 듣기 위해 시간을 비워야 했습니다. 여러분들은 퀴즈를 풀고 프로그래밍에 많은 시간을 할애했습니다. 길고 복잡한 프로그래밍 연습이었습니다. 여러분들은 열심히 공부했고 시간을 투자했습니다. 여러분들이 수업에서 많은 것을 얻었기를 바랍니다. 저는 이 말을 하고 싶었습니다.
"이 수업에 학생이 되어 주셔서 대단히 감사합니다."
