머신러닝과 데이터 과학 이해하기 3 - 머신러닝이 필요한 상황과 핵심 동작 원리

이 수업이 마지막 이론 수업이 될 것 같다. 여기까지 공부하고 새벽 공부를 마치며, 아침 운동을 한 후 아침식사도 하려고 한다. 바로 공부를 시작해보자! 요즘 공부하는 시간이 가장 즐겁고 행복하다.

 

---

 

 

 

이론 3 - 머신러닝이 필요한 상황과 핵심 동작 원리

머신러닝은 컴퓨터에게 프로그램이나 수학적 방법을 넣어 규칙이나 패턴을 만들어달라고 하는 것이다. 머신러닝이 필요한 시점이 있는데 이러한 3가지 문제를 만족할 때 사용하면 좋다.

모든 서비스나 제품에는 운영하기 위한 정책이나 규칙이 굉장히 많다. 예를 들면 블랙 컨슈머를 정의하기 위한 세부적인 내용들이 많이 있다.

첫번째, 사람이 손으로 작성한 길고 긴 규칙과 리스트들이 문서화한 것들이 있을 것이다. 이런 것들은 유지 보수하기가 어렵고 관리하기도 어렵다. 이럴 때 머신러닝을 사용하는 것이 좋다. 두번째, 기존의 전통적인 방식이나 잘 사용하지 않는 방식에 사용한다. 요즘에 딥러닝이 대두되고 있는데 전통적인 방식에서 잘 되지 않거나 성능을 높이고 싶을 때 사용하는 편이다.

 

세번째, 서비스나 실제 제품, 문제는 시간이 지나면 변화하게 된다. 이 변화에 따라 새로운 데이터가 발생하게 되고 기존의 방식으로 통하지 않을 때 자동 규칙을 찾아가는 머신러닝이 필요한 시점이다.

---

 

 

 

 

 

서비스를 기획하는 기획자, 비즈니스 전문가, IT 개발자 등 다양한 사람들이 모여 우리가 갖고 있는 문제가 무엇인지, 해결 방법 등을 생각하게 된다. 예를 들어 이메일을 지원하는 서비스가 있을 때 다른 키워드가 있으면 스팸으로 필터링하는 규칙을 작성할 수 있다. 평가가 좋으면 서비스를 도입하게 되는데, 실제로는 문제를 만족하지 못하면 다시 이 과정을 반복한다.

그러다 보니 인력이나 자원 등이 소진되며 빠른 대처가 어렵다. 이럴 때 머신러닝을 도입할 필요성을 느끼게 되는 것이다.

---

 

 

 

머신러닝 접근 방법 역시 처음에는 동일하다. 머신러닝 모델을 학습하고 결과를 예측, 군집 등 다양한 작업을 하게 된다. 이러한 과정을 통해 규칙을 만들게 되고 모델에 대한 평가를 내린다. 머신러닝이 전통적인 방법과의 큰 차이점은 서비스의 도입에 따라 새로운 데이터가 생겼을 때 데이터가 업데이트되고 기존과는 다른 데이터가 생긴다는 것이다.

이러한 과정을 자동화 학습으로 진행한다.

---

 

 

 

퀴즈 4 - 전통적인 접근 방법과 머신러닝 접근 방법

 

 

 

문제를 잘 맞추었다.

 

---

 

 

 

학습을 마치고

이번 학습도 정말 유익했다. 전통적인 접근 방법과는 달리 왜 머신러닝이 필요한지 알게 된 시간이었다. 솔직히 이 학습을 진행하기 전까지만해도 머신러닝을 배우는 것이 앞으로의 개발에 중요할지 조금은 의문이 들었던 건 사실이었다.

하지만 미래사회에 꼭 필요한 분야임을 알게 되었다.

열심히 공부해서 내가 만들고 싶은 프로젝트에 적용해볼 수 있을 것이다. 다음에는 실습 문제를 풀어보는 시간을 갖기로 하자.