머신러닝

머신러닝이란 무엇입니까?

그것은 인공지능의 영역이다. 1959년 아서 사무엘은 기계 학습을 "명확한 프로그램 없이 컴퓨터가 배울 수 있는 연구 분야"로 정의했다. 즉, 한 사람으로서 배우고 새로운 지식을 얻기 위해 컴퓨터에 데이터를 제공하는 것이다.

예를 들어 y=3x: (x)의 집합이라고 가정합니다.y) (1,3), (3,9), (4,12) 및 (6,18)의 데이터를 포함합니다. 컴퓨터에 기능이 없지만 이전 데이터가 컴퓨터에 입력되면 (8, 8)과 같은 질문이 발생합니까?그리고 (10)?) 컴퓨터에서 학습한 후 응답합니다.

즉, y=3x 함수를 프로그래밍하지 않고 응답을 수신합니다. 다음 예와 같이 함수를 추정하는 방법을 모니터링 학습이라고 하며, x의 데이터 분포를 결정하는 방법을 비감독 학습이라고 한다.

아래 그림과 같이 기계 학습은 교실에서 교사(경험의 전달)와 학생(컴퓨터)으로 생각하는 것입니다.

요즘 머신러닝이 왜 그렇게 중요한가?

기계학습의 역사는 1950년대에 시작되어 오랫동안 존재해왔지만, 1980년대와 1990년대의 발전 이후 2000년대 중반에는 눈부신 발전이 있었다. 인공신경망, 기계학습 기술, 딥러닝의 탄생에서 주목할 만한 진전이 있었다.

사물 인터넷 활성화에서 가장 눈에 띄는 현상은 거대한 데이터 생성이다. 이러한 빅데이터를 사용하여 학습할 데이터를 사전 처리하고 학습 효과를 최적화하면 실질적인 학습 결과가 도출됩니다.

 

머신러닝의 르네상스로 이어지는 딥 러닝

딥러닝은 인공신경망 기술의 일종으로 최근 빠르게 발전해 왔다. 딥러닝의 인공신경망은 개념적으로 새로운 것이 아니다.

그러나 심층 인공신경망은 다층 네트워크 설계에서도 잘 학습할 수 없는 전통적인 문제와 감독할 수 없는 학습을 통해 데이터를 사전 처리할 수 있는 것으로 밝혀졌다.

두 가지 요소 없이는 불가능한 발견: 인터넷이 수집한 방대한 양의 데이터와 처리할 수 있는 컴퓨팅 성능 개선.

 

세계는 머신러닝에 어떻게 반응하는가?

딥 러닝을 통한 기계 학습의 큰 성공은 기업들 간의 큰 경쟁으로 이어진다. 2014년 초, 구글은 불과 3년 된 딥마인드라는 회사를 4억 달러 이상에 인수했다. Gartner는 2014년에 딥 러닝을 가장 주목할 만한 기술 분야 중 하나로 꼽았습니다. 이미지 인식, 음성 인식 및 번역 분야에서 상당한 진전이 이루어지고 있습니다. 이미지 인식 필드는 개체의 유형을 추측할 뿐만 아니라 전체 이미지를 설명하는 문장도 생성하는 수준에 도달합니다.