머신러닝에서 알아야 할 5가지 중요한 내용 (1)

머신러닝(Machine Learning)

 머신 러닝은 다양한 분야의 관행을 통합하는 도구이며 결과를 예측하기 위해 일반화 가능한 모델을 구축하는 것을 목표로 합니다. 기계 학습은 인공지능의 보호 아래 기존 알고리즘을 활용하여 데이터에서 새로운 패턴을 추출합니다.

 

 지금은 많은 인공지능의 내용이 논의의 대상이지만, 머신러닝은 이미 우리가 실제로 경험할 수 있는 내용으로, 은행 기관에서 통신에 이르기까지 수많은 산업에서 운영을 개선하기 위해 머신 러닝 알고리즘을 사용하는 경우가 지속적으로 증가하고 있습니다.

 

 오늘은 인공지능과 머신 러닝의 다섯 가지 필수 주제에 초점을 맞추고 그것들이 어떻게 작동하고 어디에 사용되는지 알아보겠습니다.

 

지도학습(Supervised Learning)

 기계 학습 및 인공지능 지도 학습의 하위 범주는 레이블이 지정된 데이터에서 학습하도록 프로그래밍됩니다. 레이블이 지정된 데이터에는 텍스트 또는 숫자와 같은 태그가 제공되는 반면 레이블이 지정되지 않은 데이터에는 태그가 없습니다. 

 

 교육 중에 모델에 대한 입력이 올바른 출력과 쌍을 이루어 알고리즘이 검색할 대상을 알 수 있습니다. 이후 교육 단계가 끝나면 데이터에서 원하는 출력과 상관관계가 있는 패턴을 찾기 시작합니다. 이때 입력된 데이터를 새 레이블 및 범주로 분류하는 기능처럼 작동하게 됩니다.

 

 이러한 지도학습 영역은 조직이 고객 이탈, 직원 감소, 제품 판매 가격 예측 및 스팸 분류와 같은 다양한 문제를 해결하는 데 도움이 됩니다. 예를 들어 Pinterest는 지도 학습을 사용하여 스팸 및 콘텐츠 검색을 완화하고 전자 메일 뉴스레터 구독자 수를 줄입니다. 지도 학습은 또한 인간의 지문과 홍채 질감을 보존하기 위해 생물 정보학에서 사용되며 나중에 보안을 강화하기 위해 휴대전화에 구현됩니다.

 

비지도학습(Unsupervised Learning)

 비지도학습은 숨겨진 구조를 추론하는데, 이는 패턴이 레이블이 지정되지 않은 데이터에서 작동한다는 것을 의미합니다. 지도 학습과 달리, 비지도 학습은 사전 교육 없이 작동합니다. 간단히 말해 예측 분석 소프트웨어를 통해 데이터에서 새로운 패턴을 검색하고 예측하는 것은 방치됩니다. 비지도 학습의 주요 목적 중 하나는 클러스터링을 통해 유사한 데이터 조각을 그룹화하는 것입니다.

 

 이는 시장 분석, 고객 및 이미지 세분화, 배달 상점 최적화, 사고 발생 가능성이 높은 영역 식별 등에 사용되고 있고, 예를 들면, 유튜브는 이러한 모듈을 사용하여 채널 구독자를 지역, 국가 또는 성별과 같은 다양한 범주로 분류합니다. 많은 조직은 사기와 같은 이상 징후를 탐지하기 위해 비지도학습을 사용합니다.