Coursera ML, Lecture 1 : Introduction

• What is Machine Learning?
  • 응용 분야
• Supervised Learning
• Unsupervised Learning

What is Machine Learning?

• A. Samuel (1959) : 컴퓨터가 explicitly program 되지 않은 내용을 학습하게 하는 분야
• T. Mitchell (1998) : Task T, Performance measure P, Experience E가 있고, E에 의해 P가 발전하는 Learning problem.
• Supervised / Unsupervised Learning
• Reinforcement Learning, Recommenders, …

응용 분야

• Web search, photo tagging, etc…
• 컴퓨터에게 제공되는 새로운 가능성 - 인간의 사고/학습하는 방식 모방하여 작동.
  • Database mining (web click, medical records, …)
    • Computational biology, 유전자 분석 등.
  • 직접 프로그래밍할 수 없는 문제들
    • 자율주행 기술 - How?
    • Handwriting recognition
    • Natural Language Processing
  • Self customizing
    • 개별 유저에 대해 customized된 알고리즘 개발
  • Understanding Brains / Human Learning

Supervised Learning

• 올바른 정답 이 주어지는 Learning problem.
• 올바른 정답 처럼 행동하는 프로그램 만들기.
• ex) 주택 가격의 예측. 어떻게 이 문제를 해결할 것인가?
  • 일차함수 피팅? 이차함수 피팅?
  • Regression Problem (연속적인 값 예측하기)
• ex) 종양 크기($x$)에 따른 양성 / 악성 ($y$) 예측.
  • Probability 예측하기.
  • Classification Problem (이산적인 값에 대한 확률)
  • Seperating Line 찾기.
• 몇개의 Feature에 대해 찾을 것인가?
• Support Vector Machine - Infinite number of feature에 대해서도 대응할 수 있는 수학적인 방법.

Unsupervised Learning

• 올바른 정답 이 주어지지 않는 Learning Problem
• Clustering algorithm
  • ex) Google News : 수많은 뉴스를 AUTOMATICALLY 각 주제별로 모아서 보여주는 서비스 제공.
  • ex) Genomics : 유전자 정보를 이용한 clustering
  • Astronomical data, SNS Analysis, Computing cluster organizing, Market segmentation …
• ex) Cocktail Party Problem : 겹치는 목소리 구분해 내는 문제.
  • 짧고 간결한 코드로 유의미한 결과 도출 가능.
  • 이 강의에서는 Octave 이용.