ML 소개

머신러닝이란 무엇인가요?

머신 러닝은 정적 기술을 사용하여 컴퓨터 시스템에 데이터 없이 '학습'할 수 있는 기능을 제공하는 컴퓨터 과학 분야입니다. 명시적으로 프로그래밍되었습니다.

즉, "ML은 데이터에서 학습하는 것입니다"

명시적 프로그래밍이란각 시나리오에 맞게 코드를 작성하여 해당 상황을 처리하는 것을 의미합니다.

머신러닝에서는 각 시나리오에 대해 명시적인 코드를 작성하는 대신 데이터에서 패턴을 학습하도록 모델을 교육하여 예측 또는 🎜>눈에 보이지 않는 상황에 대한 결정

그래서 입력과 출력을 주지만, 모든 경우에 대해 코드를 작성하지는 않습니다. ML 알고리즘이 이를 자동으로 처리합니다.

간단한 예를 들면 다음과 같습니다.

합계 함수:

명시적 프로그래밍에서는 숫자 2개를 추가하기 위해 해당 경우에만 작동하는 특정 코드를 작성합니다. 이 코드는 수정 없이 5개 또는 N개의 숫자를 추가하는 데는 작동하지 않습니다.

반대로 ML을 사용하면 각 행에 서로 다른 숫자와 그 합계가 포함된 Excel 파일을 제공할 수 있습니다. ML 알고리즘은 이 데이터세트를 학습하면서 덧셈 패턴을 학습합니다. 앞으로는 2개, 10개, N개의 숫자가 주어지면 각 시나리오에 대한 특정 코드 없이도 학습된 패턴을 기반으로 덧셈을 수행할 수 있습니다.

ML을 어디에 사용하고 있나요?

• 이메일 스팸 분류기:

명시적 프로그래밍에서는 "키워드가 3번 이상 나타나면 스팸으로 표시됩니다."와 같은 여러 if-else 조건을 작성했습니다. 예를 들어 'Huge'라는 단어가 3번 사용되면 스팸으로 표시됩니다.

이제 광고 회사가 스팸을 감지하는 이와 같은 알고리즘이 있다는 것을 깨닫는다고 상상해 보세요. 그래서 'Huge'를 3번 반복하는 대신 'Huge', 'Massive', 'Big'과 같은 동의어를 사용합니다. 이 경우 원래 규칙은 작동하지 않습니다. 해결책은 무엇입니까? 이전 알고리즘을 다시 변경해야 합니까? 몇 번이나 할 수 있나요?

ML에서 모델은 제공된 데이터로부터 학습하고 해당 데이터를 기반으로 자동으로 알고리즘을 생성합니다. 데이터가 변경되면 그에 따라 알고리즘이 조정됩니다. 알고리즘을 수동으로 변경할 필요가 없으며 새 데이터를 기반으로 필요에 따라 자동으로 업데이트됩니다.

• 이미지 분류:

이미지 분류를 위한 명시적 프로그래밍에서는 모양, 크기, 털 색상, 꼬리와 같은 개의 특징을 식별하는 규칙을 수동으로 작성해야 합니다. 이러한 규칙은 특정 이미지에만 적용되며 모든 개 품종에 일반화되지는 않습니다. 새로운 품종이나 변형이 나타나면 각각에 대해 새로운 규칙을 추가해야 합니다.

ML에서는 특정 규칙을 작성하는 대신 품종별로 라벨이 지정된 대규모 개 이미지 데이터 세트를 모델에 제공합니다. 그런 다음 모델은 다양한 품종의 공통 특성과 같은 데이터 패턴을 학습하고 학습된 지식을 사용하여 이전에 정확한 품종을 본 적이 없더라도 새로운 개 이미지를 분류합니다. 알고리즘은 데이터의 변화에 ​​자동으로 적응합니다.

또한 ML은 수천 가지 용도로 사용됩니다. 궁금하실텐데요,
2010년 이전에는 머신러닝이 인기가 없었던 이유는 무엇입니까?

• 저장 용량이 제한되어 하드 드라이브 부족으로 많은 양의 데이터를 저장하기가 어려웠습니다.
• 머신러닝 모델을 효과적으로 훈련시키기에는 사용 가능한 데이터가 충분하지 않았습니다.
• 덜 강력한 GPU 및 프로세서와 같은 하드웨어 제한으로 인해 복잡한 알고리즘을 효율적으로 실행하는 기능이 제한되었습니다.

요즘 우리는 매일 수백만 개의 데이터 포인트를 생성하고 있습니다. 이 방대한 양의 데이터를 사용하여 ML 모델은 이제 더욱 정확하고 효율적이며 복잡한 문제를 해결할 수 있게 되었습니다. 의료, 금융, 기술 등 다양한 분야에서 패턴을 학습하고, 예측하고, 작업을 자동화하여 의사결정을 개선하고 혁신을 주도할 수 있습니다.

시간을 내어 이 내용을 읽어주셔서 감사합니다.

위 내용은 ML 소개의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!