머신러닝
머신러닝 예시: 학습
feed - foward : 문제를 푼다. (inference)
loss update : 오답 정리 (learning)
기계를 조절해서 점점 우리가 원하는 함수로 만들어 나가는 과정 -> 학습
정확도: Accuracy 맞은 개수의 비율
Classification 문제에서 정확도 측정을 통해서 모델의 성능을 확인
머신러닝 테스트 (test, inference)
학습이 완료된 모델
새로운 모델을 넣는다 (Unseen) -> 학습하지 않은 데이터, 처음 본 데이터
머신러닝의 종류
1. 지도 학습 (Supervised Learning)
학습 시 사용하는 데이터가 예측 대상을 포함하고 있고, 예측 대상의 pair를 학습에 사용하는 방법
2. 비지도 학습 (Unsupervised Learning)
학습 시 사용하는 데이터만을 이용해서 학습하는 방법
3. 강화학습
에이전트와 환경을 정의
엑션을 주고, 환경에 대한 반응을 얻음
환경에 대한 에이전트의 일, 목표를 얼마나 잘하느냐를 정의하고
목표에 맞는 행동을 했을때 reward를 준다.
action에 대한 총합을 줘서 reward가 높아진 방향으로 학습
