기계 학습의 유형: 알아야 할 3가지 기계 학습 유형

AI를 배우기 시작하면 머신 러닝이라는 용어를 자주 접하게 됩니다. 그것은 무엇입니까? 머신 러닝의 유형이 있다면?

이 기사에서 우리는 이와 똑같은 질문을 다룰 것입니다.

시작하자.

머신 러닝이란 무엇입니까?

Facebook에서 친구를 어떻게 추천하는지 궁금하신가요?

또는 Amazon은 귀하의 제품 구매를 어떻게 추천합니까?

그들은 모두 기계 학습 알고리즘을 사용합니다.

기계 학습은 기계가 프로그래밍 없이도 성능을 계속 향상시킬 수 있도록 하는 연구 분야를 말합니다.

기계 학습을 통해 소프트웨어와 봇은 ​​항상 새로운 것을 배우고 더 나은 결과를 제공할 수 있습니다.

이러한 기계는 처음에 많은 프로그래밍이 필요합니다. 그러나 일단 프로세스를 시작하면 작업 자체의 다른 측면을 배우기 시작합니다. 기계 학습이 많은 산업에 도움이 될 수 있으므로 기계 학습의 미래 범위는 밝습니다.

머신 러닝은 AI의 필수 분야이며 다음을 포함한 여러 분야에서 사용됩니다.

• 전자상거래
• 의료 ( 읽기 : 의료 분야의 기계 학습)
• 소셜 미디어
• 재원
• 자동차

그리고 더 많은.

기계 학습은 어떻게 작동합니까?

머신 러닝에서는 컴퓨터를 훈련시키는 훈련 데이터를 입력합니다. 모델 생성을 위해 데이터를 사용하고 새로운 입력을 받으면 이를 사용하여 예측합니다.

예측이 잘못된 것으로 판명되면 컴퓨터는 올바른 예측을 할 때까지 프로세스를 다시 시작합니다.

눈치채셨겠지만 시스템은 예측할 때마다 학습합니다. 그것은 단순한 예에 불과했습니다.

기계 학습 알고리즘은 매우 복잡하고 다른 많은 단계가 필요합니다. 다양한 기계 학습 도구를 사용하면 데이터 과학 영역의 깊이를 탐색하고 실험하고 완전한 기능을 갖춘 AI/ML 솔루션을 혁신할 수 있습니다. 다양한 도구가 다양한 요구에 맞게 설계되었습니다. 따라서 기계 학습 도구의 선택은 현재 진행 중인 프로젝트, 예상 결과, 때로는 전문 지식 수준에 따라 크게 달라집니다.

다양한 유형의 머신 러닝

다음은 기계 학습 유형입니다.

지도 학습

지도 학습은 특정 작업을 수행하기 위해 많은 훈련 데이터를 기계에 제공하는 것입니다.

예를 들어, 아이에게 빨간 색을 가르치려면 사과, 빨간 공과 같은 빨간 물건을 많이 보여주어야 합니다. 그렇죠?

여러 종류의 빨간 물건을 보여주고 나면 그 아이에게 빨간 물건을 보여주고 그 아이가 그것을 배웠는지 아닌지 알아보기 위해 그것이 무슨 색인지 물어볼 것입니다.

지도 학습에서도 마찬가지로 기계를 가르칩니다.

구현하기에 가장 접근하기 쉬운 유형의 ML이며 가장 일반적인 유형이기도 합니다.

훈련 데이터에서 기계에 많은 유사한 예제를 제공하면 컴퓨터가 답을 예측합니다. 그런 다음 컴퓨터가 올바른 예측을 했는지 여부에 대해 컴퓨터에 피드백을 제공합니다.

지도 학습의 예

다음 정보를 기계에 제공합니다.

2,7 = 9

5,6 = 11

9,10 = 19

이제 기계에게 다음과 같은 질문을 합니다.

9,1 = ?

8,9 = ?

20,4 = ?

기계의 응답에 따라 더 많은 훈련 데이터를 제공하거나 더 복잡한 문제를 제공할 수 있습니다.

지도 학습은 작업에 따라 다르므로 매우 일반적입니다.

비지도 학습

이름에서 알 수 있듯이 비지도 학습은 지도 학습의 반대입니다. 이 경우 머신에 훈련 데이터를 제공하지 않습니다.

기계는 레이블이 지정된 데이터 없이 결론에 도달해야 합니다. 지도 학습보다 구현하기가 약간 어렵습니다.

데이터를 클러스터링하고 이상 징후를 찾는 데 사용됩니다.

위에서 논의한 예에 따라 처음에는 아이에게 다른 빨간색 물건을 보여주지 않았다고 가정합니다.

그 대신에, 당신은 그에게 빨간색과 녹색 색상의 물건을 잔뜩 놓고 그에게 그것들을 분리하도록 요청했습니다.

비지도 학습은 이 예와 유사합니다.

비지도 학습의 예

다른 뉴스 기사가 있고 다른 카테고리로 정렬되기를 원한다고 가정합니다. 기사를 기계에 주면 기계가 그들 사이의 공통점을 감지할 것입니다.

그런 다음 찾은 데이터에 따라 기사를 여러 범주로 나눕니다.

이제 기계에 새 기사를 제공하면 자동으로 분류됩니다.

다른 머신 러닝 유형과 마찬가지로 데이터 기반이기 때문에 꽤 인기가 있습니다.

강화 학습

강화 학습은 다른 유형의 기계 학습(지도 및 비지도)과 상당히 다릅니다.

데이터와 기계의 관계도 다른 기계 학습 유형과 상당히 다릅니다.

강화 학습에서 기계는 실수를 통해 학습합니다. 주어진 일련의 작업을 수행할 수 있는 특정 환경을 시스템에 제공합니다. 이제 시행착오를 통해 학습할 것입니다.

위에서 논의한 예에서 아이에게 사과와 바나나를 보여주고 어느 것이 빨간색인지 묻는다고 가정합니다.

아이가 정답을 맞추면 사탕(또는 초콜릿)을 주고, 아이가 오답을 하면 똑같이 주지 않습니다.

강화 학습에서 기계는 유사하게 학습합니다.

강화 학습의 예

당신은 기계가 풀 수 있는 미로를 제공합니다. 기계는 미로를 해독하고 실수를 시도합니다. 미로를 푸는 데 실패할 때마다 다시 시도합니다. 그리고 각 오류마다 기계는 피해야 할 사항을 학습합니다.

이 활동을 반복함으로써 기계는 미로에 대한 더 많은 정보를 계속 학습할 것입니다. 그 정보를 이용하면 머지 않아 미로도 풀릴 것이다.

강화 학습은 구현하기가 상당히 어렵지만 많은 산업 분야에서 응용 프로그램을 찾습니다.

다양한 유형의 머신 러닝 적용

이제 세 가지 머신 러닝 유형이 있다는 것을 알았습니다. 하지만 어디에 사용되나요? 글쎄, 다음 사항은 동일한 것을 명확히합니다.

지도 학습

• 얼굴 인식 – 이미지에서 얼굴 인식(Facebook 및 Google 포토)
• 스팸 필터 – 내용을 확인하여 스팸 이메일 식별

비지도 학습

• 추천 시스템 – 구매자에게 제품 추천(Amazon 등)
• 데이터 분류 – 더 나은 조직을 위해 데이터 분류
• 고객 세분화 – 품질에 따라 고객을 여러 범주로 분류합니다.

강화 학습

• 제조 산업 – 자동화된 제조 프로세스 간소화
• 로봇 공학 - 실수를 피하는 방법에 대해 기계를 가르칩니다.
• 비디오 게임 – 비디오 게임 캐릭터와 NPC를 위한 더 나은 AI

기계 학습을 사용하고 싶으십니까?

머신 러닝은 세계에서 가장 영향력 있는 기술 중 하나입니다. 그것이 요즘 인기있는 큰 이유입니다.

많은 산업에서 다양한 목적으로 머신 러닝을 사용하므로 수요가 나날이 증가하고 있습니다. 기계 학습 및 인공 지능 분야의 경력에 ​​대해 더 알고 싶다면 IIIT-B 및 upGrad의 기계 학습 및 AI 프로그램 PG 디플로마를 확인하십시오.