다시하는 블로그

운영체제와 무관하게 진행이 가능합니다(맥으로 진행하였고 혹시 다른 운영체제와 다른 부분이 있으면 내용을 추가할 예정입니다)

Python 은 설치를 할 수 있다고 생각하고 진행(3.x 이상 버전으로 진행합니다)

혹시 위에 내용이 이해 안되시면 해당링크를 따라해주세요 기초 파이썬 프로그래밍

필요한 패키지를 설치해 줍니다

pip install numpy scipy matplotlib ipython scikit-learn pandas pillow imageio jupyter

설치가 완료 되었다면 작업할 폴더로 이동하여 jupyter notebook을 실행해 줍니다

workspace에서 실행해도 되고 jupyter notebook /workspace/ 로 실행하셔도 됩니다

탐색기처럼 사용이 가능하며 오른쪽 위에 New를 클릭하여 코드를 저장할 폴더를 만들어 주고 클릭하여 안으로 들어 갑니다

폴더를 새로 만들면 Untitled Folder 로 생성이 되는데 왼쪽 체크 박스를 클릭후 이름을 바꿔 줄수 있습니다

기계학습을 공부할것이니 간단하게 ml로 하겠습니다

폴더로 들어온 이후 오른쪽 위에 New를 클릭하여 Python3 파일을 생성합니다

코드는 In [] : 뒤에 있는 박스에 작성하면 됩니다 가장 기초적인 hello something을 해보겠습니다

코드를 작성후 Run을 클릭하면 실행이 가능합니다

작업에 들어 가기전 세팅을 해봤습니다

간단한 파이썬 문법이나 함수등을 머신러닝 코드를 진행하면서 함께 설명하면서 진행할 예정입니다

Reinforcement Learning(강화학습: RL)은 Interpreter(관리자)가 Agent(로봇) 에게 보상과 상태를 주며 action(행동)을 시키는데 그 action이 맞으면 

reward를(1) 틀리면 punishment(?) 를 줘서 그 행동의 방향을 우리가 원하는 방향으로 바꾸는 알고리즘이다

[그림] 간단한 reinforcement learning 

https://en.wikipedia.org/wiki/Reinforcement_learning

RL은 Machine learning(기계학습: ML) 분야에 많이 사용되는데 ML분야에 기본인 Data를 이용하여 Output을 추론하는 과정에
가장 최적화된 방법을 찾는데 사용된다

ML의 방법에는 크게

Label된 데이터가 필요한 Supervised learning(지도학습)

Label된 데이터가 필요 없는 Unsupervised learning(비지도학습)

이 있는데 Supervised learning의 경우 많은 수의 label된 데이터를 수집하는데 어려움이 있고

Unsupervised learning의 경우에는 학습하는데 어려움이 있다

RL를 사용하여 세상에 존재하는 모든 데이터를 학습함에 있어 Unsupervised learning에 좀 더 최적화된 데이터 분류 방법을

제공함으로서 최적화된 ML 알고리즘을 제작하는데 그 사용방법을 사용한다

다음은 RL에 가장 기초가 되는 MDP(Markov Decision Process)에 대해 간단히 알아보도록 하겠다