특징

/Define by Run/ 계산 그래프 구축 방법을 이용 -> 동적으로 구성 가능. 하지만 비용이 많이 들음 자동미분 가능

관련 라이브러리 목록

Jupyter, pillow, matplotlib, pandas (데이터 다루는 함수 제공), scikit-learn (머신러닝 관련 함수 제공), konlpy (자연어 처리용 함수 제공) -> konlpy는 다른 라이브러리와 다르게 설치 시 pip install konlpy 사용

[ Machine Learning ]

* 개념

데이터를 반복적으로 학습해서 데이터에 포함된 패턴을 찾아내는 것.

* 과정

1) 지도 학습 (supervised learning)

: 정답을 포함하는 데이터를 학습 데이터로 사용 ( 입력변수 - 목적변수)

• 과정

  학습 데이터를 훈련 / 테스트 데이터로 분류 훈련 데이터로 학습 모형의 결과값 get -> 테스트 데이터에 대한 답 예측 결과값 get 테스트 데이터의 설명변수와 목적변수 비교

2) 비지도 학습

: 설명변수만으로 구성된 데이터를 학습 데이터로 사용 -> 패턴을 만드는 것이 불가능. 때문에 특징값에 기초하여 직접 패턴과 모형을 만듦 1) 클러스터링 : 데이터를 여러 그룹으로 나누는 것 2) 차원축소 : 데이터를 더 적은 차원으로 요약하는 것

3) 강화학습 (reinforcement learning)

: 자가 학습을 통해 처리를 최적화하기 위한 학습 -> 주어진 환경에서 행동을 취하면 관측 결과와 보상을 받으면서 보상을 최대화하는 행동을 학습을 지속적으로 반복하며 행동 최적화 및 보상 극대화

참고 문헌

코이즈미 사토시, 『pytorch를 활용한 머신러닝,딥러닝 철저 입문』, 심효섭, 위키북스(2018)