[원티드 인살롱글] 머신러닝의 이해 기계가 학습한다?! 이제 더이상 우리에게 어색하게 들리지 않는 표현입니다. 그런데 기계가 어떻게 학습을 한다는 것일까요? 많은 분들께서 이해하고 계시겠지만 People 업무를 하시는 분들과 함께 원리에 대해서만 이야기 나누고 싶은 마음에 글을 씁니다. 우선 머신러닝에는 세 가지 분류가 존재하는데요. 하나는 답(Y)을 알고 공부시키는 '지도학습', 답을 모르고 학습하게 하는 '비지도학습', 그리고 보상을 통해 상은 최대화, 벌은 최소화하는 방법인 '강화학습'이 있습니다. 일반적으로 지도학습에는 분류(classification)과 추정(estimation)이 있고, 비지도학습은 차원축소(dimension reduction), 군집화(clustering) 등이 있습니다. 이 구분이 중요한 이유는 우리가 풀려는 문제(problem)에 따라 분석 방법이 다르기 때문이죠. 그러면 머신러닝은 어떤 프로세스로 진행될까요? 우선 풀어야 할 "문제를 정의"하고, "데이터 전처리"를 합니다. 데이터 전처리에는 우리가 해결하려는 문제와 분석 방법에 맞게끔 데이터를 가공하는 모든 행위를 포함합니다. 다음으로 '데이터 세트'를 학습 및 성과 대조용으로 구분하고요. 분석을 위해 만든 모델을 만들어서 기계에게 학습시키고 '모델 학습 및 검증', 그리고 기계에게 실제로 학습시킨 것을 바탕으로 분석하게 하는 '예측' 단계가 있습니다. 마지막으로는 예측 정확도를 확인하는 "평가" 단계가 있습니다. 물론 목적 및 분석 방법에 따라 프로세스 등은 조금 더 구체화되거나 간소화될 수 있습니다. 이와 같은 5-6단계를 거쳐서 기계는 학습을 하게 됩니다. 짧은 글이지만 머신러닝에 대한 이해가 조금 되셨는지요? 다음에는 실제 사례를 통해 다뤄보도록 하겠습니다. :) 원문링크: https://hr.wanted.co.kr/insights/original/understanding-machine-learning-part-2/