머신러닝 배웠으니 활용해볼까요?

1장 머신러닝
머신러닝이란?
데이터 - 머신이 배우는 경험. 수치화(Digitalization)으로 만든다.
인공지능, 머신러닝, 딥러닝
머신러닝 유형 - 지도학습, 비지도학습, 강화학습
머신러닝 유형별 수행 가능한 작업
통계적 머신러닝과 딥러닝
머신러닝 모델의 선택
머신러닝에서 머신이 배우는 것
머신러닝 모델의 평가 - 최적의 모델은 무엇인가?
데이터 전처리
핏봇(Pivot) - 데이터 행과 열 구조 변경
AutoML - 무엇을 얼마나 자동화 할까요?
머신러닝의 대상 선정 - 무엇을 목표로 훈련시킬까?

2장 머신러닝 사례
AWS 사용자 이벤트 이상활동 감지
데이터와 머신러닝 모델
데이터 탐색
모델 유효성 테스트
머신러닝 훈련 대상 결정
훈련데이터 전처리 방안
훈련된 모델의 유효성 테스트
새로운 이벤트와 사용자에 대한 처리 대용량 데이터 처리
데이터 수집 툴과의 연동
운용 방안
드론 이미지 판정 및 폭 자동 계산
이상 형태 판정 모델 훈련
균열의 길이와 폭 자동 계산
다중 균열의 분리
웹 방화벽(WAF - Web Application Firewall) 로그 클러스터링
잘못된 탐지(False Positive) 줄이기 - 기존 논문 확인
데이터 탐색
오탐은 없다? 레이블이 없다.
군집화(Clustering) 대상 필드(field) 결정
데이터 필드(field)의 수치화(벡터화- Vectorizer)
군집화 머신러닝 훈련
책등(Book Spine) 인식 - 어떤 책이 몇 권일까?
책등 분리하기
책등 인식 모델 테스트 2- 딥러닝(Deep Learning)

3장 AI와 생각들
AI는 객관적인가?
인공지능과 저작권 - 인공지능은 법적 권리를 가질 수 있을까?
잠재공간(Latent Space)
편향(Bias)
딥러닝의 3가지 미스터리
Ensemble, KnowledgeDistillation, SelfDistillation
설명가능한 AI (XAI - eXplainable AI)
딥러닝(Deep Learning)의 연결
딥러닝의 연결 모양
빅모델 (Big Model) - 파라미터가 많은 모델이 더 똑똑한가?
머신러닝은 신기하고 특이한 것이 아니다 - 머신러닝은 담담하다.
AI 로봇의 실패와 도전
데이터 드리프트(Drift) - 어떻게 데이터가 변하니?

4장 머신러닝 학습과정을 돌아보며 새로운 지식 익히기
머신러닝 관심 갖기
머신러닝 공부하기
도구(Tool)에 익숙해지기
새로운 것 시작하기
모든 것은 힘쓰는 데 달렸다. - 조선 최고의 독서왕 김득신
머신러닝에 대한 전망