ML

기계학습이란 데이터를 기반으로 학습하여 추론 모델을 작성하는 AI분야이다

추론 모델을 새로운 데이터에 적용시켜 화상을 판정하거나 데이터를 분류 할 수 있다.

신경계를 모델화한 신경망 neural network을 이용해 추론 모델을 작성하는 방식

 

기계학습에서는 알고리즘을 사용해 추론 모델을 작성한다.

기계학습 프레임워크는 기계학습 특유의 알고리즘을 복잡한 코딩 없이 구현하거나 딥러닝에서 ㅏ주 실행하는 행렬 계산을 간단하게 실행하여 개발 효율을 높이는 라이브러리나 도구를 제공

 

기계학습에서 프레임워크를 사용해 추론 모델을 생성하는 프로그램을 개발하고, 추론 모델의 생성과정에서 다양한 알고리즘이 사용됨

프레임워크에는 다양한 종류가 있으며, 대표적 프레임워크로는 텐서플로, 파이토치, MXNet, Chainer가 있음

 

세이지 메이커 내장 알고리즘

https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html

Use Amazon SageMaker Built-in Algorithms or Pre-trained Models - Amazon SageMaker

https://aws.amazon.com/ko/blogs/machine-learning/amazon-sagemaker-blazingtext-parallelizing-word2vec-on-multiple-cpus-or-gpus/

Amazon SageMaker BlazingText: Parallelizing Word2Vec on Multiple CPUs or GPUs | Amazon Web Services

 

Balzing Text Word2Vec 수많은 문서에서 워드 임베딩 생성을 가속화 및 확장하는 용도로 Word2Vec알고리즘의 BlazingText구현

DeepAR RNN(순환신경망)을 사용해 다수의 관련 시계열에서 패턴을 학습하여 정확한 예측을 생성하는 알고리즘

Factorization Machines 아주 적은 양의 데이터로도 기능 사이의 모든 상호작용을 예측할 수 있는 기능을 갖춘 모델

Gradient Boosted Trees(XGBoost): 최적화된 분산형 경사 부스팅 라이브러리, XGBoost는 Extreme Gradient Boosting 약어

ResNet(이미지 분류): 이미지 분류 시스템 개발에서 인기있는 신경망

K-Menas Clustering: 레이블이 지정되지 않은 데이터 내 그룹을 찾는 데  사용되는 머신러닝 알고리즘

K-NN(K-Nearest Neighbor): 분류 및 회귀 기반문제를 해결하는 인덱스 기반 알고리즘

LDA (Latest Dirichlet allocation) 텍스트 파일 세트에 존재하는 기본 주제를 자동으로 발견하는 데 적합한 모델

Linear Learner분류: 객체의 특징을 사용해 객체가 속하는 적절한 그룹 식별

Linear Learner회귀: 두 변수 사이의 선형 관계를 예측하는 데 사용

NTM(Neural Topic Modeling) 텍스트 및 이미지 데이터셋에서 주제를 정하는 신경망 기반 접근 방식

Object2Vec: 가장 인접한 이웃을 계산하고 자연 클러스터를 시각화하는 신경 임베딩 알고리즘

객체탐지: 이미지의 여러 개체를 탐지 및 분류하고 경계 상자를 배치

PCA, Principal Component Analysis : 흔히 데이터 사전 처리에 사용되는 알고리즘. 많은 기능의 테이블 또는 매트릭스를 가져와 더 적은 수의 대표적 기능으로 줄임

Random cut forest 이상탐지를 하는 비지도형 기계학습 알고리즘

의미체계분할 Semantic Segmentation 이미지의 개별 픽셀에 레이블을 할당하여 관심 위치를 식별하도록 이미지에 파티션 지정

Sequence2sequence 기계번역, 텍스트 요약 등에서 자주 사용되는 텍스트용 범용 인코더-디코더