잔글 (123.141.154.106(토론)의 편집을 Jmnote의 마지막 판으로 되돌림) 태그: 일괄 되돌리기 |
|||
| (사용자 2명의 중간 판 10개는 보이지 않습니다) | |||
| 1번째 줄: | 1번째 줄: | ||
==개요== | ==개요== | ||
;machine learning | ;[[machine]] [[learning]] (ML) | ||
;[[機械]] [[學習]] | ;[[機械]] [[學習]] | ||
;기계 학습, 머신 러닝<ref>"기계 학습" 339,000개, "머신 러닝" 217,000개</ref> | ;기계 학습, 머신 러닝<ref>"기계 학습" 339,000개, "머신 러닝" 217,000개</ref> | ||
| 9번째 줄: | 9번째 줄: | ||
* 인공지능의 패턴인식과 계산학습 이론에서 발전한 컴퓨터과학의 한 분야 | * 인공지능의 패턴인식과 계산학습 이론에서 발전한 컴퓨터과학의 한 분야 | ||
* 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법 | * 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법 | ||
* 입력 데이터를 바탕으로 예측 모델을 구축(학습)하는 프로그램 또는 시스템 | |||
* 컴퓨터가 데이터를 통해 유의미한 패턴과 통계적인 함수를 발견하여 행동의 지침이 되는 지식<ref>예: 예측, 분류, 회귀, 추천</ref>을 얻어내는 행위 | * 컴퓨터가 데이터를 통해 유의미한 패턴과 통계적인 함수를 발견하여 행동의 지침이 되는 지식<ref>예: 예측, 분류, 회귀, 추천</ref>을 얻어내는 행위 | ||
* 주어진 데이터를 이용해 스스로 학습하고 적합한 모델을 | * 주어진 데이터를 이용해 스스로 학습하고 적합한 모델을 만들어낸다. | ||
* 정적으로 주어진 프로그램이 아닌 입력된 데이터로부터 모델을 만들어 | * 정적으로 주어진 프로그램이 아닌 입력된 데이터로부터 모델을 만들어 예측·결정한다. | ||
:알고리즘이 좋아도 데이터의 품질이나 양이 부족하면 좋은 결과를 얻기 | :알고리즘이 좋아도 데이터의 품질이나 양이 부족하면 좋은 결과를 얻기 어렵다. | ||
* 활용예시: 스팸메일 필터링, 상품추천 서비스, [[지능형 개인비서]] | * 활용예시: 스팸메일 필터링, 상품추천 서비스, [[지능형 개인비서]] | ||
* 학습된 모델은 시스템에서 모델을 학습시키는 데 사용한 데이터와 동일한 분포에서 추출되지만 이전에 나타나지 않은 새로운 데이터에 대해 유용한 예측을 수행하는 데 사용된다. | |||
: 머신러닝은 이러한 프로그램 또는 시스템과 관련된 학문 분야를 가리키는 용어이기도 하다. | |||
[[파일:compare_AI_ML_DL.png| | [[파일:compare_AI_ML_DL.png|330px]] | ||
==알고리즘 유형== | ==알고리즘 유형== | ||
| 35번째 줄: | 38번째 줄: | ||
==같이 보기== | ==같이 보기== | ||
{{z컬럼3| | |||
* [[딥 러닝]] | * [[딥 러닝]] | ||
* [[인공지능]] | * [[인공지능]] | ||
| 41번째 줄: | 45번째 줄: | ||
* [[컴퓨터 시각]] | * [[컴퓨터 시각]] | ||
* [[데이터 마이닝]] | * [[데이터 마이닝]] | ||
* [[머신러닝 | * [[머신러닝 용어집]] | ||
* [[머신러닝 방법론]] | |||
* [[머신러닝 알고리즘 목록]] | * [[머신러닝 알고리즘 목록]] | ||
* [[지도학습, 비지도학습, 강화학습]] | |||
* [[제레미 하워드, 기계학습이 가져올 놀랍고 끔찍한 효과]] | * [[제레미 하워드, 기계학습이 가져올 놀랍고 끔찍한 효과]] | ||
}} | |||
==참고== | ==참고== | ||
2023년 1월 22일 (일) 15:24 기준 최신판
1 개요[ | ]
- 인공지능의 한 분야
- 데이터로부터 학습하고 예측하는 알고리즘을 연구하는 기술
- 인간의 학습능력과 같은 기능을 컴퓨터에 부여하기 위한 기술
- 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야
- 인공지능의 패턴인식과 계산학습 이론에서 발전한 컴퓨터과학의 한 분야
- 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법
- 입력 데이터를 바탕으로 예측 모델을 구축(학습)하는 프로그램 또는 시스템
- 컴퓨터가 데이터를 통해 유의미한 패턴과 통계적인 함수를 발견하여 행동의 지침이 되는 지식[2]을 얻어내는 행위
- 주어진 데이터를 이용해 스스로 학습하고 적합한 모델을 만들어낸다.
- 정적으로 주어진 프로그램이 아닌 입력된 데이터로부터 모델을 만들어 예측·결정한다.
- 알고리즘이 좋아도 데이터의 품질이나 양이 부족하면 좋은 결과를 얻기 어렵다.
- 활용예시: 스팸메일 필터링, 상품추천 서비스, 지능형 개인비서
- 학습된 모델은 시스템에서 모델을 학습시키는 데 사용한 데이터와 동일한 분포에서 추출되지만 이전에 나타나지 않은 새로운 데이터에 대해 유용한 예측을 수행하는 데 사용된다.
- 머신러닝은 이러한 프로그램 또는 시스템과 관련된 학문 분야를 가리키는 용어이기도 하다.
2 알고리즘 유형[ | ]
기계학습 알고리즘 목록 문서를 참고하십시오.3 방법론[ | ]
4 팁[ | ]
5 같이 보기[ | ]
6 참고[ | ]
- http://en.wikipedia.org/wiki/Machine_learning
- http://terms.naver.com/entry.nhn?docId=828297&cid=50376&categoryId=50376
- http://www.moreagile.net/2015/05/how-to-start-machine-learning-study.html
- https://www.youtube.com/playlist?list=PLLssT5z_DsK-h9vYZkQkYNWcItqhlRJLN
- https://www.coursera.org/learn/machine-learning
로그인하시면 댓글을 쓸 수 있습니다.
{{ comment.name }}
{{ comment.created | snstime }}
-
{{comment.page_title}} ―{{comment.name}}