IT is True

컴퓨터란? 컴퓨터의 어원은 먼저 계산한다는 의미의 라틴어 'Computare'에서 유래 컴퓨터란, 입력받은 데이터를 정해진 규칙대로 처리해서 처리 결과를 저장하고 출력하는 전자 장치. 입력받은 데이터 : 입력 장치를 통해 데이터를 얻는다. 정해진 규칙 : 프로그램을 의미, 소프트웨어 및 애플리케이션이라고도 불림. 처리 : 중앙처리장치를 통해 연산을 수행 출력 : 출력 장치를 통해 사람이 이해할 수 있는 형태의 정보로 출력 컴퓨터의 구성 요소 컴퓨터는 크게 하드웨어와 소프트웨어로 구성되어 있다. 정의를 해석하면, 정해진 규칙은 소프트웨어, 입력받은 데이터를 처리해서 결과를 저장하고 출력하는 장치를 하드웨어로 해석할 수 있다. 소프트웨어 소프트웨어는 물리적인 형태가 존재하지 않는 컴퓨터의 구성 요소로 내부 ..

[이전글] [ML] 4-2. 머신러닝의 테스트와 검증 및 데이터 불일치 여부 확인 ittrue.tistory.com/43 [ML] 4-1. 머신러닝에서의 하이퍼파라미터란 무엇일까? (파라미터 vs 하이퍼파라미터) [이전글] [ML] 3-2. 머신러닝의 훈련 조건 (2) - 과대적합과 과소적합 ittrue.tistory.com/39 [ML] 3-2. 머신러닝의 훈련 조건 (과대적합과 과소적합) [이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터.. ittrue.tistory.com 서포트 벡터 머신이란? 서포트 벡터 머신(SVM : Support Vector Machine)이란 두 클래스로부터 최대한 멀리 떨어져 있는 결정 경계를 찾는 분류기로 특정 조건을 만족하는 동시에 클래스를 분..

[이전글] [ML] 4-1. 머신러닝에서의 하이퍼파라미터란 무엇일까? - 파라미터 vs 하이퍼파라미터 ittrue.tistory.com/42 [ML] 4-1. 머신러닝에서의 하이퍼파라미터란 무엇일까? (파라미터 vs 하이퍼파라미터) [이전글] [ML] 3-2. 머신러닝의 훈련 조건 (2) - 과대적합과 과소적합 ittrue.tistory.com/39 [ML] 3-2. 머신러닝의 훈련 조건 (과대적합과 과소적합) [이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터.. ittrue.tistory.com 모델이 새로운 샘플에 대해서 잘 예측하기 위해서는 일반화가 잘 이루어져야 하며, 이를 확인하기 위해 모델을 테스트해보는 것이 중요합니다. 훈련 세트와 테스트 세트로 나누어 진행을 하는데,..

[이전글] [ML] 3-2. 머신러닝의 훈련 조건 (2) - 과대적합과 과소적합 ittrue.tistory.com/39 [ML] 3-2. 머신러닝의 훈련 조건 (과대적합과 과소적합) [이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터와 나쁜 데이터 ittrue.tistory.com/38 [ML] 3-1. 머신러닝의 훈련 조건 (좋은 데이터와 나쁜 데이터) [이전글] [ML] 2-2. 머신러닝의 종류 및 적용 사. ittrue.tistory.com 머신러닝에서 하이퍼파라미터를 알기 위해서는 파라미터라는 개념을 알아야 합니다. 컴퓨터 프로그래밍에서의 파라미터(Parameter)는 어떤 시스템이나 함수의 특정한 성질을 나타내는 변수를 뜻하며, 매개변수라고도 합니다. 함수에 특정 파라미터를..

[이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터와 나쁜 데이터 ittrue.tistory.com/38 [ML] 3-1. 머신러닝의 훈련 조건 (좋은 데이터와 나쁜 데이터) [이전글] [ML] 2-2. 머신러닝의 종류 및 적용 사례 (2) ittrue.tistory.com/36 [ML] 2-2. 머신러닝의 종류 및 적용 사례 (배치 학습, 온라인 학습, 사례 기반 학습, 모델 기반 학습) [이전글] [ML] 2-1. 머신러닝.. ittrue.tistory.com 과대적합과 과소적합 과대적합과 과소적합은 머신러닝 훈련과정 중 발생할 수 있는 문제로 데이터량, 특성, 샘플 등으로 인해 발생하는 문제와는 다소 차이가 있습니다. 앞서 데이터 설명한 것들은 데이터로 인해 발생할 수 있는 문..

[이전글] [ML] 2-2. 머신러닝의 종류 및 적용 사례 (2) ittrue.tistory.com/36 [ML] 2-2. 머신러닝의 종류 및 적용 사례 (배치 학습, 온라인 학습, 사례 기반 학습, 모델 기반 학습) [이전글] [ML] 2-1. 머신러닝의 종류 및 적용 사례 (1) ittrue.tistory.com/35 [ML] 2-1. 머신러닝의 종류 및 적용 사례 [이전글] [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) ittrue.tistory.c.. ittrue.tistory.com 머신러닝 훈련 조건 머신러닝을 통해 문제 해결을 위해서는 머신러닝 알고리즘도 중요하지만 가장 기본적인 훈련 데이터를 잘 다룰 줄 알아야 합니다. 간단한 문제일 지라도 훈련 ..

OSI 7계층이란? OSI 7계층은 OSI 참조 모델을 기반으로 국제 표준화 기구(ISO : International Standardization Organization)에서 표준화한 모델로 네트워크 통신에서 생긴 여러 가지 충돌 문제를 완화하기 위해 고안된 표준안입니다. Wikimedia Commons / CC BY OSI 7계층은 물리 계층, 데이터 링크 계층, 네트워크 계층, 전송 계층, 세션 계층, 표현 계층, 응용 계층으로 이루어져 각 계층마다 특정 전송 단위를 가지고 통신을 합니다. OSI 7계층은 프로토콜을 기능별로 나누어 각 계층은 하위 계층의 기능만을 이용하고, 상위 계층에게 기능을 제공하는 역할을 합니다. 1계층 : 물리 계층(Physical Layer) 물리 계층은 OSI 7계층의 최..

[이전글] [ML] 2-1. 머신러닝의 종류 및 적용 사례 (1) ittrue.tistory.com/35 [ML] 2-1. 머신러닝의 종류 및 적용 사례 [이전글] [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) ittrue.tistory.com/33 [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) 1. 머신러닝이란? 아서 새뮤얼(Artuhr Samuel, 195.. ittrue.tistory.com 3. 실시간 훈련 여부 구분 3-1 배치 학습(Batch Learning) 배치 학습은 주어진 훈련 세트 전체를 사용하기 때문에 오프라인 환경에서 적합하여 오프라인 학습이라고도 합니다. 먼저, 시스템을 훈련시킨 후 더 이상의 ..

[이전글] [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) ittrue.tistory.com/33

1. 머신러닝이란? 아서 새뮤얼(Artuhr Samuel, 1959) "머신러닝은 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야" 톰 미첼(Tom Michell, 1977) "어떤 작업 T에 대하여 컴퓨터 프로그램의 성능을 P로 측정했을 때, 경험 E로 인해 성능이 향상되었다면, 이 컴퓨터 프로그램은 작업 T와 성능 측정 P에 대해 경험 E로부터 학습한다고 말한다." 많은 컴퓨터 공학자들은 머신러닝에 대하여 다양한 정의를 내리고 분석하고 있습니다. 기계 학습이라고도 불리는 머신러닝은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이며, 인공지능(AI)의 한 분야로 간주되고 있습니다. 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하는 것으로 기계 학습을 통해서 수신한 이..