머신러닝의 정의와 활용 분야

기계 학습(Machine learning)은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터에서 학습하고, 패턴을 식별하고, 의사 결정을 내릴 수 있도록 하는 알고리즘 및 모델 개발과 관련된 인공 지능의 하위 분야입니다.

​

좀 더 전문적인 용어로 기계 학습은 데이터를 입력으로 사용하여 예측이나 결정을 내리도록 컴퓨터 알고리즘을 훈련시키는 과정입니다. 알고리즘은 패턴, 관계 및 통계적 상관 관계를 식별하여 데이터에서 학습한 다음 해당 지식을 사용하여 예측하거나 조치를 취합니다.

​

기계 학습에는 지도 학습, 비지도 학습 및 강화 학습의 세 가지 주요 유형이 있습니다.

​

• 지도 학습에는 각 데이터 포인트가 대상 출력 또는 레이블과 연결되는 레이블이 지정된 데이터 세트에 대한 모델 교육이 포함됩니다. 모델의 목표는 입력 데이터와 출력 레이블 간의 매핑을 학습하여 보이지 않는 새로운 데이터의 레이블을 정확하게 예측할 수 있도록 하는 것입니다.

​

• 비지도 학습에는 대상 레이블에 대한 사전 지식 없이 데이터에서 패턴과 구조를 식별하는 것이 목표인 레이블이 지정되지 않은 데이터 세트에서 모델을 교육하는 것이 포함됩니다.

​

• 강화 학습은 특정 목표를 달성하기 위한 최적의 전략을 학습하기 위해 환경과 상호 작용하도록 모델을 교육하는 것입니다.

​

머신 러닝은 이미지 및 음성 인식, 자연어 처리, 예측 분석, 추천 시스템, 사기 탐지, 자율주행차 등 여러 분야에 걸쳐 광범위한 응용 분야를 보유하고 있습니다. 기계 학습에 사용되는 몇 가지 일반적인 기술에는 신경망, 의사 결정 트리, 지원 벡터 머신 및 클러스터링 알고리즘이 포함됩니다.