핸즈온 비지도 학습

인공지능,머신러닝,비지도학습,한빛

시간 경과에 따른 머신러닝 관심도 추이

구글 트렌드 차트, 지난 5년간 머신러닝에 대한 관심이 증가함을 책은 말해주고 있습니다.

사람들이 회사가 서비스들이 AI, AI 하는 이야기입니다.

인공지능의 부활과 귀환은 머신러닝 알고리즘의 획기적인 발전, 데이터의 가용성, 초고속 컴퓨터이라는 책 서두의 내용도 공감이 갑니다.

최근 회사에서 빅데이터, 딥러닝 교육을 받고 있기에 더 매력적인 책입니다.

비지도 학습분야는 숨겨진 패턴을 찾기 위해 사용되는 머신러닝의 한 부문입니다.

책 뒷면입니다.

다양한 머신러닝 접근 방법의 장단점

머신러닝 프로젝트의 전반적인 설정 및 관리

차원 감소 알고리즘, 군집화 알고리즘 활용

오토인코더로 자동 피처 엔지니어링 및 피처 선택

지도 및 비지도 학습 알고리즘 결합으로 준지도 학습 솔루션 개발

볼츠만 머신을 사용하여 영화 추천 시스템 구축

생성적 적대 신경망과 심층 신뢰 신경망을 사용한 합성 이미지 생성

시계열 데이터에 대한 군집화 수행

최신 비지도 학습 성공 사례 및 향후 전망

텐서플로, 케라스, 사이킷런을 활용한 알고리즘과 방법론, AI 활용 사례

핸즈온 비지도 학습

멸종위기 동물 애기윔뱃

목차

비지도 학습의 강점과 약점(P44)

지도 학습은 시간의 경과에 따라 크게 변하지 않는 명확한 패턴과 레이블이 있는 대량의 레이블이 있는 대량의 데이터셋이 확보된 상세 작업 영역에서 비지도 학습보다 우월한 성능을 보여줍니다. 그러나 패턴을 알 수 없더나 끊임없이 변화하거나 레이블 데이터가 충분히 확보되지 않은 문제 영역에서는 비지도 학습이 훨씬 더 우월합니다.

비지오 학습은 데이터의 레이블이 아닌 데이터 자체의 내재된 구조를 학습에 작동합니다. 이 작업은 데이터셋이 보유한 데이터 레코드 수보다 훨씬 작은 수의 매개변수 집합으로 훈련해 대이터를 표현하려는(유용한 피처로 매핑하려는) 시도를 합니다. 비지도 학습은 이러한 표현 학습을 수행함으로써 데이터셋의 고유 패턴을 식별할 수 있습니다.

---

출판사 책 소개

https://www.aladin.co.kr/m/mproduct.aspx?ItemId=246161094

---

특별히 사이킷런이 관심분야라서 꼼꼼히 찾아봅니다.

데이터 분석의 시대, 지도 학습 비지도 학습 자체가 익숙해졌다. 텐서플로, 케라스, 사이킷런의 알고리즘과 방법론으로 업무 영역으로 적용이 실제로 활발하게 시도되고 있습니다. 바야흐로 데이터 중심의 시대가 도랴한 것입니다.