[Kaggle] Intro to Machine Learning 수강 후기 + 내용 요약

수강 계기 🛫

최근 스스로 되돌아보았을 때, 논문 이해하기 / 인공지능 수학적 원리 이해하기 / 코드 빠르게 익혀서 사용하기 이런 능력을 기른 반면, 인공지능의 기초가 부족하다는 생각이 많이 들었다.

항아리를 크고 멋지게 만들더라도, 아래에 작은 구멍 하나가 있으면 물이 새듯이 기초에 대한 부족함을 많이 느꼈다.

Intro to Machine Learning 수료증

이를 보완하기 위해 Kaggle의 competition, learning을 통해 지속적으로 공부하기로 마음 먹었다.

Kaggle 강의 후기 🏁

 

위와 같이 학습 코스는 설명 부분인 Tutorial과 실습 부분인 Exercise로 구성되어 있는데,

학습 코스의 주제를 설명하기 위한 스토리텔링이 잘 갖추어져 있어 이해하기에 좋았고 다른 사람에게 배운 것을 설명할 때에도 매우 유용한 아이디어를 많이 배워서 좋았다.

 

내용 요약 ✍️

DecisionTree 모델을 예시로 하여, 인공지능 모델 학습하는 방법을 공부한다.

DecisionTree 도식

 DecisionTree란, 위의 그림과 같이 root로부터 적절한 기준으로부터 두 개의 군을 나누고 이를 반복하여 깊이가 n일 때, 총 2의 n제곱만큼의 division을 같는 인공지능 모델이다.

 

강의는 Pandas의 dataframe 자료형을 바탕으로 학습 데이터를 정의하고, scikit-learn의 모듈을 활용하여 모델을 정의하는데, in-sample 문제를 극복하기 위해  validation set이 필요하고 모델을 개선하기 위해 loss를 정의하여 여러 실험을 거쳐 적절한 parameter를 정하는 모델의 구축 과정을 학습한다.

나아가 단일 DecisionTree가 아니라 다중 DecisionTree를 사용한 후, 결과값의 average와 같은 대표값을 사용하는 RandomForest 방식을 활용하여, 모델 아키텍처의 변경만으로 일반적으로 더 좋은 성능을 내도록 할 수 있다는 것을 보고, 아키텍처의 중요성도 알 수 있게 된다. 

 

Kaggle에는 Intro to Machine Learning 강의 외에도 Intermediate와 Deep Learning 강의도 마련되어 있다.

끝 🫡