Machine Learning / What is data?

Machine Learning

Supervised Learning

• Input(A): email, audio, English...
• Output(B): spam, text transcript, Chinese...
• Application: spam filtering, speech recognition, machine translation

 

Why now?

• AI가 급부상하게 된 것은 머신러닝과 인공신경망을 기반으로한 딥러닝의 발전 덕분이다.
• 발전 정도를 도식화하면 위와 같다.
• 따라서 우리는 large neural network와 big data가 필요하다고 말할 수 있다.

 

 

What is data?

Example of a table of data(dataset)

• A와 B 자리에는 무엇이든지 내가 원하는 것이 오게 될 것이다.

 

Acquiring data

• Manual labeling
• From observing behaviors
  • ex) commerce websites
  • ex) behaviors of machine
• Download from websites / partnerships

 

 

Use and mis-use of data

•  Don't throw data at an AI team and assume it will be valuable.(over-investing)
• 단순히 데이터의 양이 많다고 해서 가치있는 결과물을 내리라 보장할 수 없다.
• 데이터를 모아서 AI team에게 전달한다는 것은 의미가 없다. 처음부터 AI team의 가이드와 피드백을 따라야 한다.

 

Data is messy

• Garbage in, garbage out
• Data problems
  • Incorrect labels
  • Missing values
• Multiple types of data
  • (unstructured) images, audio, text

 

 

 

출처: Coursera, AI For Everyone, DeepLearning.AI