하이퍼파라미터의 원리와 이해 기계 학습에서 하이퍼파라미터(Hyperparameter)는 모델 학습 과정을 조절하는 데 사용되는 매개변수이다. 이는 모델의 구조나 학습 알고리즘에 직접적으로 영향을 미치지 않으며, 모델 학습을 조절하거나 최적화하는 데 사용된다. 일반적으로 하이퍼파리미터는 모델을 학습하기 전에 사전에 설정되어야 하며, 학습 중에는 조절되지 않는다. 📢 일반 파라미터와 하이퍼파라미터의 차이점은? 일반 파라미터는 모델이 학습하면서 조절되고 최적화되는 매개변수이며, 하이퍼파라미터는 모델의 학습 프로세스를 제어하고 조절하기 위한 고정된 매개변수이다. 하이퍼파라미터는 모델 학습 이전에 사람이 수동으로 설정하거나 조정하는 것이 일반적이다. 다음은 하이퍼파라미터의 한 종류인 Loss에 대해 알아보자. L..

기계는 어떻게 학습할까? 지난 시간에 간단하게 머신 러닝에 대해 알아보았다. 머신 러닝에는 크게 지도학습, 강화학습 그리고 비지도 학습이 있다는 것을 배웠는데 이 중에서 가장 많이 사용되는 방식이 지도 방식이라고 했다. 그래서 오늘은 수학 점수를 이용해서 과학 점수를 예측하는 인공지능을 예로, 기계가 어떻게 학습을 하는지에 대해 살펴보는 시간을 가져보겠다. 학생의 수학 점수를 입력하면 해당 데이터로 학습하여 학생의 과학 점수를 예측하는 모델을 만들 것이고, 해당 모델이 어떻게 데이터를 통해 학습을 하는지 구체적인 과정에 대해 살펴보자. 📢 해당 글은 지도학습에 대해 코드로 작성하는 실습보단, 이론 위주로 설명하고 있기 때문에 글을 읽기 전 참고 바란다. 모델 선택 기계 학습을 시작할 때 모델 선택은 중요..

머신러닝이란? 머신러닝에 대해 알아보기 전에 먼저 인공지능에 대한 정의와 크게 어떤 분류로 나뉘어 있는지부터 확인해 보자. 인공지능(AI, Artificial Intelligence)은 인간의 학습과 의사 결정을 모방하거나 수행하는 시스템 또는 프로그램으로, 인간의 지능을 기계에 구현한 것을 의미한다. 인공지능은 주로 기계학습(Machine Learning)과 규칙기반(Rule-Based) 시스템으로 나눌 수 있다. 이 두 가지 접근 방식은 각기 다른 방식으로 작동하며, 다양한 문제에 대한 해결에 활용한다. 그럼 이 두 가지 방법에 대해 간단하게 살펴보자. 기계학습(Machine Learning) 기계학습은 데이터에서 패턴을 학습하여 모델을 구축하고, 이 모델을 사용하여 새로운 데이터에 대한 예측이나 결..