기계 학습을 위한 수학 개요

 

---

Overview

 

기계 학습을 하기 위해서는 기본적으로 알아야할 수학 지식이 있습니다.

 

 

 

선형대수는 기계 학습을 어떻게 표현하고 연산할 지 고민할 때 사용합니다.

확률과 통계는 결과를 산출하거나, 결과에 의한 보상을 만들 때 사용합니다.

미분은 학습할 때 사용합니다.

 

표현이 함축적이어서 이해하기 어려울 수 있는데 쉽게 설명해보면,

우리가 그림을 보고 어떤 건지 맞추는 학습을 한다고 해봅니다.

 

 

먼저 학습하기 위해서 우리가 어떻게 생겼는지부터 알아야 합니다.

표준으로 사용하고 있는 건 벡터 또는 매트릭스이죠.

바로 우리가 중학교나 고등학교 때 배운 이런 친구입니다.

 

 

물론 우리 눈에는 지금 그림이 딱봐도 컵인지 알지만

이게 어떻게 보면 도넛이라고 생각할 수도 있겠죠.

하지만 컵인 확률이 매우 높다고 생각하기에 대답은 '컵'일 것입니다.

확률을 생각하고, 그리고 가장 높은 확률의 답을 찾는 것이 핵심입니다.

 

 

만일 내가 말한 답이 맞았거나 틀리면 어떻게 해야 할까요?

맞으면 잘했다고 보상을 해주고, 틀리면 어디가 틀렸다고 벌칙을 주어야

다음번에 정답을 잘 찾는 사람이 되겠죠.

이 과정이 바로 학습입니다.

 

 

 

 

 

 

 

---

Why Math?

 

필자가 기계 학습을 위한 수학을 공부하면서 가장 중요하게 생각하는 걸

다음 한 문장으로 표현할 수 있습니다.

왜?... 이걸 알아야 하는데요?

 

 

 

 

어차피 배워도 의미없는 수학을 정말 싫어합니다.

뜬금없이 공식 넣고 그냥 '이런 게 있습니다'하면 그게 무슨 소용입니까.

그게 기계 학습에서 어떻게 쓰이고, 또 왜 중요한 지 배경부터 알아야 즐거운데 말이죠.

 

기계 학습을 위한 수학 카테고리는

의미 없는 수학 공식 배우느라 신물이 났었거나

개념 설명이 이해안되서 중간에 포기했거나

앞으로 수학을 더 재밌고 유익하게 보내기 위해 글을 쓰는 장소입니다.

 

당연히 필자는 수학 전공이 아니기에 표현은 부정확할 수 있으나,

사실 실제로 한다는 게 중요하지 그 이상도 그 이하도 과분합니다.