GDG 멤버와 함께 약 10주간 머신러닝 스터디를 하였습니다. 먼저 개념을 학습한 후, 해당 모델을 생성하여 훈련 시키고 최적화하는 작업을 진행하였습니다.
코랩을 통해 학습한 머신러닝의 개념을 정리하고 scikit-learn, tensorflow, keras, pandas 등 머신러닝 관련 라이브러리를 활용하여 실제 모델을 만들어보는 작업을 했습니다.
아래와 같은 개념을 학습 할 수 있었습니다.
- 인공지능과 머신러닝이 무엇인지 / 코랩과 주피터 노트북 사용방법 / 최근접 이웃 알고리즘으로 첫 머신러닝 모델 구현
- 데이터 세트, 훈련 세트 / 데이터 전처리
- 회귀 알고리즘 / 최근접 이웃 회귀, 선형회귀 / 특성 공학
- 분류 알고리즘 / 로지스틱 회귀 / 확률적 경사 하강법
- 결정 트리 / 교차 검증(훈련데이터 셋이 크지 않을 때 안정적인 검증값을 내기 위함) / 그리드 서치 (하이퍼파라미터를 바꿔가면서 좋은 모델을 만드는 과정 자동화) / 트리의 앙상블 (여러개 트리를 조합해서 강력한 모델을 만듦)
- 비지도 학습 / 군집 알고리즘 / 주성분 분석
- 인공신경망 개념 / 케라스를 이용한 심층 신경망 만들기 / 조기 종료 콜백
- 합성곱 신경망 CNN / mnist 이미지 분류
- 순환 신경망 RNN / IMDB 리뷰 데이터 학습 / LSTM, GRU
개념 학습
모델 생성
훈련 및 최적화
