경작 16일차 딥러닝 입문 Do it! (1)

#230213 월

머신러닝 공부하고 싶은데요.. 전 안 될 것 같아요. 이제 시작하기엔 너무 늦지 않았나요?

라는 말만 500번째 하는 중인데 맨날 미련이나 가지느니 일단 시작이라도 해보자 싶어가지고 한 번 사봤다. 어차피 내 인생 개발자로 가느냐 쿨하게 실력 부족 인정하고 러시아어로 튀거나 둘 중 하나인 것 같은데 망할 거면 시작이라도 해보고 망하는 게 낫겠죠?

이것저것 벌려 놓은 일이 많으니 몰아서 읽으라고 해봤자 못해낼 것 같고 매일 한 챕터씩 꾸준히 읽는 것을 목표로 하기로 했다.

1) 딥러닝을 소개합니다 : 머신러닝 기본 용어
2) 최소한의 도구로 시작합니다~ : 코랩, 넘파이, 맷플롯립 기초

---

1. 딥러닝을 소개합니다~

1) 머신 러닝의 기본 용어

인공지능 : 특정 영역에서 사람의 지능처럼 작업을 수행하는 시스템이나 프로그램
머신러닝 : 기계학습
딥러닝 : 인공신경망 알고리즘을 사용하는 기계학습

학습과 훈련 : 데이터의 규칙을 컴퓨터가 스스로 찾아내고 수정하는 것

• 지도 학습 : 입력과 타깃으로 구성된 훈련 데이터로 학습함
  입력에 대한 타깃(일종의 정답)이 주어져있기 때문에 지도 학습이라고 함
• 비지도 학습 : 타깃이 없는 훈련 데이터로 학습함
  ex) 군집 분석(clustering) - 대상을 분류하기 위한 기준이 정해진 바가 없는 상태에서 특성을 분석하고 분류해 군집 내의 유사성과 군집 간의 상이성을 밝혀내는 것

모델 : 훈련을 통해 하급된 머신러닝 알고리즘. 새로운 입력에 대한 답을 예측할 수 있다.

에이전트 : 강화학습에서 훈련되는 프로그램. 에이전트는 수행에 따라 주어지는 보상을 바탕으로 최대한 많은 보상을 받기 위해 또 수행한다. 학습을 마친 에이전트를 모델이라고 볼 수도 있겠다. 하지만 에이전트라는 말보다 모델이라는 말을 주로 쓰는 것 같다.

규칙 : 모델 파라미터. 가중치와 절편으로 이루어져있다. 입력 데이터에 얼마를 곱하고(가중치) 얼마를 더해야(절편) 타깃을 얻을 수 있는지 알고리즘은 학습 과정에서 알게 된다. 알고리즘은 스스로 가중치와 절편을 수정하며 값을 찾기 때문에 인간은 파라미터를 수정할 수 없다.

손실 함수 : 학습 과정에서 모델의 예측값과 타깃값이 얼마나 다른지를 계산하는 함수이다. 즉, 모델이 찾은 규칙(가중치와 절편)을 얼마나 수정해야 하느냐는 것이다.

최적화 알고리즘 : 손실 함수의 최솟값을 효율적으로 찾는 방법

2) 딥러닝

머신 러닝 알고리즘에는 선형 회귀, 로지스틱 회귀, 인공신경망 알고리즘 등 다양한 알고리즘이 있다. 딥러닝은 이 중에서 인공신경망 알고리즘을 여러 겹 쌓은(?) 알고리즘이다. 그래서 엄밀히 말하면 둘은 다른 거지만, 딥러닝이 인공신경망 알고리즘을 사용해 만들기 때문에 나같은 응애 난이도에서는 거의 구분되지 않는 것 같다. (책에서도 그렇다고 말했다)

딥러닝은 머신러닝의 한 종류이지만, 둘이 가장 대표적으로 다뤄진다는 느낌을 받는 이유는 실제로 그것이 맞기 때문이다. 다른 머신 러닝에서 처리하기 어려운 데이터들 중 딥러닝이 더 잘 처리하는 경우가 있다.

	딥러닝	머신러닝
데이터 형태	비정형 데이터	정형 데이터
데이터 종류	이미지, 영상, 소리, 텍스트	엑셀, 데이터베이스, 레코드파일
예시	번역	환자의 검진 데이터, 매출 데이터와 관련된 문제들

비정형 데이터는 데이터에 정해진 규칙이 없어 값의 의미를 쉽게 파악하기 어려운 데이터이고, 정형데이터는 값의 의미를 쉽게 파악할 수 있는 데이터이다.

---

2. 최소한의 도구로 시작합니다~

1) Google Colab

우리가 쓸 최소한의 도구 첫 번째는? 바로바로 코랩입니다~
구글 코랩.. 써보기야 당연히 써봤다. 그것도 안 써보고 저 머신러닝 공부해보고 싶습니다. 할 만큼 바보천치는 아닙니다. 하지만 교수님이 쓰라고 하셔서 그냥 넵! 하고 쓴 거지(대충 나의 7년차 친구 그램 같은 놈에게도 서버를 제공해주는 어떤 좋은 곳..이라고만 추측해왔다) 뭔 진 잘 모르므로 열심히 읽어봤다.

코랩은 구글이 제공하는 주피터 노트북이다. 주피터 노트북은 브라우저에서 파이썬을 실행해 볼 수 있는 도구이다(이 정도는 안다). 코랩을 사용하면 우리는 브라우저에서 파이썬 코드를 작성하고, 코드는 구글 클라우드의 가상 서버에서 실행된다. 그래서 노트북 성능이 구려도 된다(?). 코랩에서 저장한 코드 파일은 구글 드라이브에 저장된다.

코랩에서 새 노트북을 열면 텍스트 셀을 수정할 수 있다.

예전에는 그냥 교수님이 주로 저렇게 쓰시길래 저렇게 썼는데, 이젠 벨로그를 시작하면서 마크다운 언어가 뭔지 알게 됐기 때문에 다 이해할 수 있다~ 우와 성장했다!

2) NumPy

넘파이는 파이썬의 과학 패키지이다. 넘파이도 당연히 뭔지 알지만 파이썬 안 쓴지 오래돼서 다 잊어버렸기 때문에 그냥 책에서 시키는 대로 다 했다.

• 배열 만들기
  파이썬 리스트로 만든 배열은 크기가 커질수록 성능이 떨어진다는 단점이 있는 반면, 넘파이는 저수준 언어로 다차원 배열을 구현했기 때문에 크기가 커져도 성능은 높다.

// 파이썬 리스트로 2차원 배열 
lst = [[10, 20, 30], [40, 50, 60]]
print(lst[1][2])

//실행 결과
60

// 넘파이로 2차원 배열
import numpy as np
lst = np.array([[10, 20, 30], [40, 50, 60]])
print(lst)

//실행결과
[[10 20 30]
 [40 50 60]]

넘파이로 배열 출력하면 행, 열 맞춰져 있는 거 넘나 기특한 것

• 넘파이 내장 함수 sum

//파이썬 리스트로 2차원 배열의 모든 원소의 합 출력하기

sum = 0;
for i in range(2) : 
	for j in range(3) : 
    	sum+= list[i][j]
print(sum)

//출력 결과
210

//넘파이의 내장 함수 sum 
np.sum(lst)
    
//출력 결과
210 

음~ 너무 심플해

3) Matplotlib

맷플롯립은 파이썬 표준 그래프 패키지이다.

• 선 그래프

  import matplotlib.pyplot as plt
  plt.plot([1,2,3,4,5], [0, 1, 2, 8, 9])
  plt.show() 

  [1,2,3,4,5]가 x축 값이고, [1,4,9,16,25]가 y축 값이다.
  

• 산점도 그리기

  plt.scatter([1,2,3,4,5], [0, 1, 2, 8, 9])
  plt.show()

  

• 넘파이로 산점도 그리기

  x = np.random.randn(5)
  y = np.random.randn(5)
  plt.scatter(x, y)
  plt.show()

  

출처 : 정직하게 코딩하며 배우는 딥러닝 입문 DO it!