응센세의 머신러닝 같은 제대로 된 인강을 할 수준이 안되지만, 뭔가 썰을 듣고 싶어하는 조팝들을 위해 급조한 똥글. 이건 나의 생각이 70%이상 이기 때문에 순수 똥글일 확률도 그만큼 높다. 


태클은 환영이지만, 요즘 바뻐서 대응은 안해줌.

하지만 읽어는 드릴께, 제대로 지적질 하고 근거를 남겨주면 좋음 - 나도 뭔가 배워야지 ㅎㅎ



---



머신러닝은 공돌이 용어로 간단히 고쳐쓰면, 한마디로 데이터에서 모델을 만들어내는 것.

쉽게 말해 과거에는 아인슈타인 같은 천재가 E=MC^2, 이런 걸 머가리 굴려서 만들었다면, 이제는 골아픈거 다 생략하고 걍 컴퓨터 돌려서 저런 수학적 공식(유식하게 "모델" 이라고 부르자)을 만들자는 아이디어임.



여기서 모델에 대한 고찰을 잠시 해보면, 모델은 크게 두가지로 나뉜다.

1. 하나는 현실에서 거의 변화가 없이 죽도록 써먹을 수 있는 모델. 이런 넘들을 유니버셜 모델이라고 부르자.

2. 다른 하나는 현실이 자주 바뀌어서, 계속 바꿔줘야 하는 모델. 형이 이름을 생각해 내지 못함 ㅎㅎ


모델1에 속하는 것들은 보통 그동안의 천재들이 많이 만들어 낸 것이고, 니들이 학교에서 죽어라고 공부한 것임. 한번 배우면 죽어라 우려먹을 수 있기 때문에 게으른 공돌이들이 좋아하는 거임.

모델2 같은 것들은 이를테면 주식시장이나 패션 트렌드 같이 계속 바꿔줘야 되는, 주로 문돌이들이나 니들에게는 상상의 동물인 여자들이 좋아하는 거임.


1 같은 모델은 상당히 복잡해 질 수 있는 모델이고, 변수도 아주 많을 수 있는 모델임. 천재라 하더라도 보통 많은 변수를 다 커버하기 보다는 "대부분의 경우에 한해서" 맞는 모델을 만들었었지.

2 같은 모델은 비교적 간단해서 수학이나 이런데서 배웠던 선형회귀, 뭐 이 정도로 해결될수도 있는 거임.

(머신러닝에서는 변수라고 안부르고 피쳐(feature)라고 부른다)


다른 예를 들자면, 자동번역, 자율주행 자동차 이런거에 쓰이는 모델은 1에 속할 수 있고, 특수한 경우까지 다 고려하게 하려면 데이터의 양이 아주 많아질 수 밖에 없음.

니가 광고질로 먹고 살면서 타겟 광고를 하겠다, 이러면 이때는 보통 생각해야 할 피쳐가 얼마 안되기 때문에 2에 속하는 모델이면 젖절할 듯. 주식시장도 뭐 피쳐가 10만개 이런 경우는 없고, 끽해야 수백개? 이정도 되지 않을까 함(난 사실 그 바닦은 잘 모름). 이 정도면 모델 2면 젖절.



대충 머신러닝에서 모델이란 무엇이고 응용 방법에 따라 어떤 종류의 모델이 필요한가에 대해 썰 풀었으니까, 내일 틈나면 공돌이들이 조아라 하는 세부 동작원리에 대해 알랴줌.