코딩고블린 개발블로그 코딩고블린 개발블로그

강화 학습 Reinforcement Learning 현재 상태를 인식하고, 할 수 있는 선택지 중에서, 최대한의 보상을 얻을 수 있는 액션을 선택하는 방법이다. 즉시 보상 뿐만 아니라 누적보상을 극대화 할 수 있는 액션(행동)을 찾는다. 모델(샘플) 없이 학습이 가능하여, 최근에 많이 사용되는 학습법이다. 마르코프 결정과정 Markov Decision Processes 강화 학습의 가장 기본적인 의사결정 방법이다. 확률적으로 주어지는 보상의 누적합을 구해, 누적보상을 최대화시킬 방법(Optimal Policy)을 찾는다. Q-Learning Q 러닝은 주어진 상태에서 주어진 행동을 수행하는 것이 얼마나 좋은지, Q-value를 계산하는 함수인 Q Function 학습이다. 액션이 정해진 경우 자동으로 결..

규칙기반 머신러닝 Rule-Based Machine Learning 주어진 예제(example)에 대해서 가설(hypothesis)을 만들고 결과(concept)을 도출하는 방법이다. (귀납적 사고방식) 가설을 최대한 일반화 하기위해, Find-S 알고리즘, Version Space / Candidate 알고리즘 등을 차용한다. 1) Find-S 알고리즘 Positive 예제(Instance)에서 추출한 가장 구체적인 가설로부터 시작하여, 점점 General한 가설을 찾는 방법이다. positive tranning example 만 선별하여 적용한다. 특정 예제로부터 도출된 결과를 그 다음 예제에 적용을 반복하여 변경된 부분만 don't care condition으로 변경하고, 최종적 가설 h 를 만들어..

머신러닝 Machine learning 머신 러닝이란 인공지능의 한 분야로, 컴퓨터가 데이터 학습을 통해 일종의 패턴을 만들고, 결과를 예측 할 수 있도록 알고리즘, 관련기술을 개발하는 분야이다. 머신러닝의 용도는 다음과 같다. 쌓여왔던 방대한 데이터 더미를 특정 용도에 맞게 활용 (ex. 데이터 마이닝, 의료데이터 분석) 인간, 프로그래머가 처리하기 힘든 복잡한 계산을 처리 (ex. 자율 주행 시 장애물 판별) 유저 요구사항에 적합한 기능, 데이터를 제공 (ex. 유저맞춤형 뉴스레터) 머신러닝의 방향성 현재 머신러닝 분야의 발전 수준은 빙산의 일각으로 보고 있으며 무궁무진한 발전을 기대할 수 있는 분야이다. 멀티미디어와 융합하여 데이터 학습 데이터 베이스기반의 학습(KDD, knowledge-disco..