머신 러닝의 5가지 획기적인 애플리케이션

머신 러닝은 떠돌아다니는 최신 유행어이며, 정말 그렇습니다. 컴퓨터 과학에서 가장 흥미롭고 빠르게 성장하는 하위 분야 중 하나입니다. 간단히 말해서 기계 학습은 인공 지능을 지능적으로 만드는 것입니다. 대부분의 사람들은 기계 학습의 내부 작동 원리를 신비하게 여기지만 이는 사실과 거리가 멉니다. 기계 학습을 이제 막 이해하기 시작했다면 비유를 사용하여 더 쉽게 설명하겠습니다.
당신은 쓰레기통에 종이공을 던지려고 합니다.

한 번 시도한 후에는 어느 정도의 힘을 가해야 하는지 알 수 있을 것입니다. 두 번째 시도에서 필요한 힘을 가했지만 각도가 잘못된 것 같습니다. 여기서 본질적으로 일어나는 일은 매 던질 때마다 무언가를 배우고 원하는 결과에 더 가깝게 결과를 가져오는 것입니다. 그 이유는 우리 인간은 본질적으로 경험을 통해 배우고 성장하도록 프로그램되어 있기 때문입니다.
자신을 기계로 교체한다고 가정해 보겠습니다. 이제 앞으로 두 가지 방법이 있습니다.

비 기계 학습 접근 방식

기계 학습이 아닌 일반적인 접근 방식은 각도와 거리를 측정한 다음 공식을 사용하여 필요한 최적의 힘을 계산하는 것입니다. 이제 바람의 힘을 추가하는 팬이라는 또 다른 변수를 추가한다고 가정합니다. ML이 아닌 프로그램은 추가된 변수로 인해 거의 확실히 실패합니다. 작동하게 하려면 바람 계수와 공식을 염두에 두고 다시 프로그래밍해야 합니다.

머신 러닝 접근 방식

이제 동일한 문제에 대한 기계 학습 기반 접근 방식을 장치로 사용한다면 표준 공식으로 시작하지만 모든 경험 후에 공식을 업데이트/굴절합니다. 공식은 더 많은 경험(머신 러닝 세계에서 '데이터 포인트'로 알려짐)을 사용하여 지속적으로 개선될 것입니다. 이는 결과의 개선으로도 이어질 것입니다. Facebook 뉴스피드, 맞춤 선별된 YouTube 제안 또는 이와 유사한 기타 항목의 형태로 이러한 것들을 매일 경험하게 됩니다.
데이터 과학, 머신 러닝, 빅 데이터의 차이점!

머신 러닝이란 무엇입니까?

위의 비유는 기계 학습이 단순히 알고리즘과 프로세스를 사용하여 경험을 통해 더 나은 시스템을 훈련하는 것임을 분명히 해야 합니다. 그러나 기술적인 정의를 위해 시스템은 시간과 경험에 따라 해당 작업의 성능이 향상되면 일련의 작업과 관련된 경험에서 학습한다고 합니다.

이것이 본질적으로 의미하는 바는 머신 러닝에서 시스템이 경험을 통해 성능을 향상시킨다는 것입니다. 이것은 우리가 비유에서도 정확히 알아차린 것입니다.

머신 러닝의 유형

문제 설명에 따라 세 가지 기술 중 하나를 사용하여 시스템을 훈련할 수 있습니다.

지도 학습

지도 머신 러닝은 각 데이터의 레이블/클래스가 알려진 데이터 세트에 적용해야 합니다. 개와 사람의 이미지를 구별하는 방법을 시스템에 가르치고 싶다고 가정해 보겠습니다. 사람 또는 개로 레이블이 지정된 사진 모음이 있다고 가정합니다(더 나은 품질의 데이터를 보장하기 위해 사람 주석이 레이블 지정을 수행함). 이제 이 데이터 세트와 데이터 클래스를 사용하여 올바른 방법을 학습하도록 알고리즘을 훈련할 수 있습니다. 알고리즘이 이미지를 분류하는 방법을 학습하면 다른 데이터 세트에서 이를 사용하여 새 데이터 포인트의 레이블을 예측할 수 있습니다.
인형을 위한 신경망: 종합 가이드

비지도 학습

이름에서 짐작할 수 있듯이 비지도 머신 러닝에는 감독 클래스나 레이블이 없습니다. 우리는 많은 양의 데이터와 각 데이터 조각의 특성을 시스템에 제공할 뿐입니다. 예를 들어, 이전 예에서 우리 시스템에 여러 이미지(인간과 개)를 공급하여 각 이미지에 특성을 부여했다고 가정합니다. 분명히 인간의 특성은 개와 비슷하고 다를 것입니다. 이러한 특성을 사용하여 데이터를 두 가지 범주로 그룹화하도록 시스템을 훈련할 수 있습니다. 감독되지 않은 버전의 "분류"를 "클러스터링"이라고 합니다. 클러스터링에는 레이블이 없습니다. 공통 특성을 기준으로 데이터 세트를 그룹화합니다.

강화 학습

강화 학습에는 클래스나 특성이 없으며 통과 또는 실패의 끝점만 있습니다. 이것을 더 잘 이해하려면 체스를 배우는 예를 생각해 보십시오. 모든 게임이 끝난 후 시스템은 승/패 상태를 알려줍니다. 그러한 경우 우리 시스템에는 "옳음" 또는 "그름"으로 레이블이 지정된 모든 움직임이 없고 최종 결과만 있습니다. 우리의 알고리즘은 훈련 중에 더 많은 게임을 하기 때문에 승리로 이어진 움직임의 조합에 더 큰 "가중치"(중요도)를 계속 부여할 것입니다.
신경망: 현실 세계의 애플리케이션

머신 러닝 분야의 획기적인 애플리케이션

위의 논의에서 머신 러닝은 기존 컴퓨터가 할 수 없는 많은 문제를 실제로 해결할 수 있음이 분명합니다. 우리가 알고 있는 세상을 바꾼 머신 러닝의 몇 가지 응용 프로그램을 살펴보겠습니다.

1. 웹스팸 퇴치

Google은 온라인과 오프라인 모두에서 스팸과 싸우기 위해 신경망인 "딥 러닝"을 사용하고 있습니다. 딥 러닝은 사용자의 데이터를 사용하고 자연어 처리를 적용하여 발생한 이메일에 대한 결론을 내립니다. 웹 사용자뿐만 아니라 화이트햇 기술을 사용하여 합법적인 웹사이트의 순위를 높이려는 SEO 회사에게도 도움이 됩니다.

세계 최고의 대학에서 온라인으로 데이터 과학 과정을 배우십시오 . 이그 제 큐 티브 PG 프로그램, 고급 인증 프로그램 또는 석사 프로그램을 획득하여 경력을 빠르게 추적하십시오.

2. 모방 학습

모방 학습은 관찰 학습과 매우 유사합니다. 우리가 유아기에 하는 것입니다. 이것은 현장 로봇과 농업, 수색, 건설, 구조, 군사 등과 같은 산업에서 광범위하게 사용됩니다. 이러한 모든 상황에서 로봇을 수동으로 프로그래밍하는 것은 매우 어렵습니다. 이를 돕기 위해 협업 방법이라고도 하는 데모 프로그래밍이 머신 러닝과 결합되어 사용됩니다. 다양한 물체를 잡는 방법을 학습하는 휴머노이드 로봇을 보여주는 Arizona state 에서 발행한 이 비디오 를 살펴보십시오 .

3. 보조 및 의료 기술

보조 로봇은 감각 정보를 처리하고 필요할 때 작업을 수행할 수 있는 로봇입니다. 스마트 조직 자율 로봇(STAR)은 이러한 유형의 기계 학습 및 실제 협업을 사용하여 만들어졌습니다. STAR는 ML 및 3D 감지를 사용하며 어떤 외과의사보다 돼지 내장(테스트에 사용)을 더 잘 꿰맬 수 있습니다. STAR가 외과의사를 대체하기 위해 개발된 것은 아니지만 의료 절차의 섬세한 단계를 위한 협업 솔루션을 제공합니다.
기계 학습은 또한 예측 측정의 형태로 응용 프로그램을 찾습니다. 동료가 의사의 처방전을 보고 놓친 것이 무엇인지 알아낼 수 있는 것처럼 인공 지능 시스템도 잘 훈련된 경우 처방전에서 누락된 링크를 찾을 수 있습니다. 이뿐만 아니라 AI는 심부전 가능성을 가리키는 패턴도 찾을 수 있습니다. 이는 의사가 가상 로봇 AI와 협력하여 치명적인 심장 상태가 발생하기 전에 더 잘 진단할 수 있기 때문에 의사에게 매우 도움이 될 수 있습니다. 여분의 눈(및 지능)은 해를 끼치는 것보다 더 좋은 일을 할 수 있습니다. 지금까지의 연구 는 또한 이 기술의 미래 적용을 약속합니다.

4. 자동 번역/인식

단순한 개념처럼 보이지만 ML은 텍스트(심지어 이미지)를 모든 언어로 번역하는 데에도 사용할 수 있습니다. 신경망을 사용하면 이미지에서 텍스트를 추출하는 데 도움이 됩니다. 이 텍스트는 그림에 다시 넣기 전에 필요한 언어로 번역될 수 있습니다. 이 외에도 ML은 음성, 이미지, 텍스트 등 모든 종류의 인식을 처리하는 모든 응용 프로그램에서 사용됩니다.

5. 자동으로 비디오 게임하기

이것은 목록에 언급된 다른 것과 같이 사회적 유용성이 많지 않을 수 있지만 머신 러닝의 멋진 응용 프로그램 중 하나입니다. 기계 학습은 신경망이 화면의 픽셀을 분석하고 그에 따라 비디오 게임을 하도록 훈련하는 데 사용할 수 있습니다. 이에 대한 초기 시도 중 하나는 Google의 Deepmind였습니다.
바둑과 인공 일반 지능에 대한 도전

결론적으로…
그렇긴 하지만 머신 러닝이 모든 문제에 대한 솔루션은 아닙니다. DOB에서 사람의 나이를 알아내기 위해 기계 학습이 필요하지 않지만 음악 선호도에서 사람의 나이를 알아내려면 ML이 확실히 필요합니다. 예를 들어 Johnny Cash and Doors의 팬은 대부분 35세 이상인 반면 Selena Gomez 팬은 대부분 20세 미만입니다. 머신 러닝은 주변의 모든 문제에 *사용할 수 있지만* 사용해야 합니까? 설마. 기계 학습이 정말로 필요하다는 확신 없이는 기계 학습을 문제의 솔루션으로 사용하지 마십시오. 그렇지 않으면 기관총을 사용하여 모기를 죽이는 것과 같을 것입니다. 모기가 죽임을 당할 수도 있고 그렇지 않을 수도 있지만 결국에는 그럴만한 가치가 있었습니까?
데이터 과학에 대해 자세히 알고 싶으시면 작업 전문가를 위해 만들어졌으며 10개 이상의 사례 연구 및 프로젝트, 실용적인 실습 워크샵, 업계 전문가와의 멘토링, 1 - 업계 멘토와 일대일, 400시간 이상의 학습 및 최고의 기업과의 취업 지원.