Chapter 1 문제를 해결하는 새로운 시각이 필요해
Chapter 2 크고 복잡한 문제는 분해하자
Chapter 3 공통의 패턴을 찾으면 문제 해결이 쉬워져
Chapter 4 핵심요소를 찾아서 단순하게 추상화하자
Chapter 5 자동화를 위해서는 정확한 알고리즘이 필요해
Chapter 6 컴퓨터는 이진표현으로부터 시작해
Chapter 7 멀티미디어도 숫자로 표현해
Chapter 8 알고리즘은 순서가 중요해
Chapter 9 조건에 따라 결과가 달라져
Chapter 10 반복을 찾으면 효율적이야
Chapter 11 효율적 자료 관리를 위해 구조화시키자
Chapter 12 인공지능은 어떻게 발전해 왔는가?
Chapter 13 인공지능은 데이터 편향을 고려해야해
Chapter 14 머신러닝은 데이터로 스스로 학습하지
Chapter 15 인공지능은 두 얼굴을 가지고 있어
책 속에서
부모는 아이에게 색깔을 가르칠 때 각각의 이미지를 가리키며 갈색, 초록색, 노란색 등과 같이 가르치게 된다. 이와 같이 다양한 사례를 통해 시각적인 정보와 언어정보를 일치 시키는 것을 반복함으로써 아이가 색깔을 분류하는 학습을 하도록 도와준다. 이와 같이 지도학습은 어린 아이에게 색깔, 동물 이름을 하나하나 짚어주며 알려주듯이 사람이 알고 있는 지식에 기반을 두어 각 데이터에 레이블(Label, 즉, 정답을 알려주며 컴퓨터를 학습시키는 방식이다.
지도학습은 데이터와 과제의 유형에 따라 예측을 위한 회귀(Regression와 두 레이블의 구분을 위한 분류(Classification의 두 가지 방식으로 나누어 볼 수 있다. 예를 들어, 세상에는 여러 종류의 오리가 있는데 각각의 오리 이미지에 레이블(정답을 붙여 학습시킨다. 이때 사용하는 데이터 셋을 훈련용 셋(Training Set이라고 한다. 또, 펭귄이라는 이미지에 레이블을 붙여 학습시킬 수도 있다. 그렇게 수많은 데이터를 사용하여 정답을 가진 이미지를 입력시키면 오리와 펭귄의 색, 부리모양, 크기, 날개나 발의 모양 등의 특성을 컴퓨터가 파악하여 스스로 학습하게 된다. 결국 컴퓨터는 오리와 펭귄을 구별할 수 있게 되는 것이다.
--- 본문 중에서
