머신러닝
머신러닝에 대한 정의
Machine Learning 직역하면 “기계 학습”을 의미하며, 개념적으로는 인간이 가진 고유의 지능적 기능 중 하나인 학습 능력을 기계를 통해 구현하기 위한 접근 방법이다.
또한 실무적으로 접근했을 때의 머신 러닝은, 주어진 데이터를 분석해 그로부터 일반적인 규칙(패턴)이나 새로운 지식을 기계 스스로가 자동으로 추출하도록 하는 접근 방법이다.
조금 더 자세히 들여다보면 위와 같다.
사람이 직접 문제 해결에 대한 모델 (문제 해결을 추상화한 방법)을 만들 때에는, 문제에 대한 파악과 도메인에 대한 이해, 그리고 문제 해결을 위한 알고리즘 제작을 모두 사람이 맡아서 진행하여야 한다.
반면 머신러닝의 경우, 충분한 양의 데이터 덩어리가 있다면, 문제 파악을 통해 포착한 방향으로 기계가 데이터를 통해 스스로 학습할 수 있도록 한다. 기계는 학습을 위한 알고리즘(학습 알고리즘)을 사용하여 데이터 덩어리 속에서 일반화 된 규칙(패턴)을 파악하거나 새로운 지식을 추출한다.
머신러닝의 필요성
-문제 해결을 위한 명시적인 처리 과정의 나열 (=알고리즘 구축)이 사람이 직접 하기 어렵거나 현실적으로 불가능한 문제를 해결하기 위함
-데이터의 변형(잡음, 인공적 요소 등)이 굉장히 많이 존재하며, 그 한계를 정하기 힘든 문제들에 대한 해결 (얼굴인식, 숫자인식 등)
머신러닝이 활용되는 분야
-얼굴인식 등 생체인식
-필기체 문자 인식
-음성 인식
-스팸 이메일 필터링
-문서 분류 및 인식
-주식시장 예측
-질병의 진단 및 위험도 예측
-홈쇼핑 고객의 취향분석 및 상품 추천
-유전자 데이터 분석
-자율 주행 시스템
-금융 데이터 분석
Referebce
머신러닝 (이관용, 박혜영 공저)
SK하이닉스 - All Around AI 1편 AI의 시작과 발전 과정, 미래 전망