다음은 머신 러닝 학습을 위하여 참고한 성킴(김성훈) 교수님의 첫번째 강의이다.

What is Machine Learning?

첫 강의의 첫장은 머신러닝에 대한 정의로 부터 시작된다. 인간의 지능에 대해 먼저 살펴보며, 들어온 입력에 대한 적절한 출력을 내는 것을 시작으로 한다. 이러한 행위를 컴퓨터도 할 수 있도록 하기 위해서, 더 나아가 인간의 지능활동보다 더 좋은 성능을 내기 위해서 머신러닝을 한다.

아래의 그림과 같이, 지능의 판단에 대해 간단히 도식화 하면 다음과 같다.

 

Deep Learning?

사회에서 자주들 얘기하는 딥-러닝에 대해서도, 머신러닝과의 관계를 정리하여 설명한다. 관계에 대하여 간단히 정리하면 아래의 그림과 같다. 머신러닝에 속한 학습 기법중 하나로 이해할 수 있다.


Why We Care as Developer?

해당 챕터는 이번 강의 중에서 개발자로서 꿈을 가지고 있는 학생이자 머신러닝 입문자로서 가장 인상깊었던 챕터였다. 우선 챕터의 재목 부터 일반적인 컴퓨터 개발과 머신러닝이 가진 상관관계에 대해 다루고 있음을 알 수 있다. 아래 도식처럼 현재까지의 프로그래밍 방식에 대한 도식과 함께 머신러닝으로 인하여 새로운 관점에서 바라본 프로그래밍에 대한 관점까지 확장되었다. 자체 내용에 대해서는 따로 하나의 포스트를 작성해야 할 만큼 방대하고 심오한 분야이지만, 우선은 초심자에게 필요하고 가능한 수준 만큼만 다루고, 별도의 포스트에서 추가적으로 학습해 보도록 하겠다.


Rule Based VS Representation Learning

우선, 단어에 대한 풀이 부터 하자면, Rule Based, 풀어서 Rule Based Learning이란, 규칙 기반 학습으로서, 정말 간단히 얘기하자면 확률론적 요소가 없이 산술적으로만 존재하는 데이터에 대해 특정적인 규칙들을 발견하고, 이를 중심으로 설계하는 학습 모델(혹은 프로그램 코드)들을 말한다. "if-then 학습법" 이라고도 불리우며, 흔히들 "코딩을 한다"고 할 때 프로그래머들의 머릿속에서 일어나는 일과 같다. 그러나, Representation Learning이란, Feature Learning이라고도 불리우며, 직역해서 대표 학습이라고 해석할 수 있다. 주어진 입력에 대하여 *Feature(특징)*를 추출하여, 해당 feature들에 대하여 Mapping하여 출력을 내는 방식이다.

위 관점에 대해서, 처음 접했을 때는 프로그래밍 방식에 대한 전반적인 통찰을 바탕으로 프로그램의 흐름 자체를 획기적이고 근본적으로 변화시키는 방향이라고 느껴졌다. 이러한 충격과 함께 머신러닝에 대한 흥미가 극대화 대며 학습에 사용될 라이브러리 PyTorch 설치법을 설명으로 강의를 마무리하셨다.

출처
Sung Kim HKUST
Youtube Link