이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
기계 학습(ML)은 컴퓨터가 명시적으로 프로그래밍하지 않고도 데이터와 경험을 통해 학습할 수 있도록 하는 인공 지능(AI)의 한 유형입니다. 데이터에 액세스하고 데이터를 사용하여 스스로 학습할 수 있는 컴퓨터 프로그램 개발에 중점을 둔 AI의 하위 집합입니다. ML 알고리즘은 데이터 마이닝, 자연어 처리, 이미지 인식 및 로봇 공학과 같은 다양한 애플리케이션에서 사용됩니다.
ML의 개념은 Alan Turing이 환경에서 학습할 수 있는 기계에 대한 아이디어를 제안한 1950년대부터 있었습니다. 1959년 Arthur Samuel은 체커 게임 프로그램인 최초의 ML 프로그램을 작성했습니다. 1960년대에 ML 연구는 주로 손으로 코딩된 규칙을 사용하여 결정을 내리는 상징적 접근 방식에 중점을 두었습니다. 1980년대에 ML 연구는 통계 모델을 사용하여 예측을 수행하는 신경망으로 전환되었습니다. 1990년대에 ML 연구는 지원 벡터 머신 및 의사 결정 트리와 같은 보다 복잡한 알고리즘으로 전환되었습니다. 2000년대에 ML 연구는 대규모 신경망을 사용하여 예측을 수행하는 딥 러닝으로 전환되었습니다.
ML은 컴퓨터가 명시적으로 프로그래밍하지 않고도 데이터와 경험을 통해 학습할 수 있도록 하는 AI 유형입니다. 데이터에 액세스하고 데이터를 사용하여 스스로 학습할 수 있는 컴퓨터 프로그램 개발에 중점을 둔 AI의 하위 집합입니다. ML 알고리즘은 데이터 마이닝, 자연어 처리, 이미지 인식 및 로봇 공학과 같은 다양한 애플리케이션에서 사용됩니다.
ML 알고리즘은 지도 학습과 비지도 학습의 두 가지 범주로 나뉩니다. 지도 학습 알고리즘은 데이터에 레이블이 지정되고 주어진 입력에 대한 출력을 예측하는 것이 목표일 때 사용됩니다. 비지도 학습 알고리즘은 데이터에 레이블이 지정되지 않고 데이터에서 패턴을 발견하는 것이 목표일 때 사용됩니다.
ML 알고리즘은 명시적으로 프로그래밍하지 않고 데이터와 경험에서 학습하도록 설계되었습니다. 그들은 주어진 데이터를 기반으로 예측을 할 수 있습니다. ML 알고리즘은 사람이 감지할 수 없는 데이터의 패턴도 감지할 수 있습니다.
ML 알고리즘은 새로운 데이터와 경험에 적응할 수도 있습니다. 이것은 그들이 새로운 데이터와 경험으로부터 배우고 이 지식을 사용하여 더 나은 예측을 할 수 있음을 의미합니다.
ML의 일반적인 예는 스팸 필터입니다. 스팸 필터는 ML 알고리즘을 사용하여 이메일의 패턴을 감지하고 스팸 또는 스팸이 아닌 것으로 분류하는 프로그램입니다. ML 알고리즘은 스팸 또는 스팸 아님으로 레이블이 지정된 이메일 데이터 세트에서 학습됩니다. 그런 다음 알고리즘은 이 데이터를 사용하여 이메일을 스팸 또는 스팸이 아닌 것으로 분류하는 방법을 학습합니다.
ML의 주요 이점은 컴퓨터가 명시적으로 프로그래밍하지 않고도 데이터와 경험을 통해 학습할 수 있다는 것입니다. 이는 ML 알고리즘을 사용하여 많은 수동 프로그래밍 없이 예측을 수행할 수 있음을 의미합니다.
ML의 주요 단점은 알고리즘 결과를 해석하기 어려울 수 있다는 것입니다. 이로 인해 알고리즘이 특정 결정을 내린 이유를 이해하기 어려울 수 있습니다.
ML 알고리즘은 편견을 영속화할 수 있는 잠재력 때문에 비판을 받아 왔습니다. 이는 ML 알고리즘이 편향된 결정으로 이어질 수 있는 편향이 포함된 데이터에서 학습할 수 있기 때문입니다. 예를 들어 이력서 데이터 세트에서 훈련된 ML 알고리즘은 특정 성별이나 민족을 선호하도록 학습할 수 있습니다.
ML 알고리즘은 자연어 처리(NLP) 및 컴퓨터 비전과 같은 다른 AI 기술과 관련이 있습니다. NLP는 컴퓨터가 인간의 언어를 이해하고 생성할 수 있도록 하는 일종의 AI입니다. 컴퓨터 비전은 컴퓨터가 이미지를 인식하고 이해할 수 있도록 하는 일종의 AI입니다.
ML 알고리즘은 로봇 공학에도 사용됩니다. 로보틱스는 로봇의 설계 및 구성에 중점을 둔 공학 분야입니다. ML 알고리즘을 사용하여 로봇이 환경에서 학습하고 결정을 내릴 수 있습니다.
ML 알고리즘은 자율주행차에도 사용됩니다. 자율주행차는 사람이 운전하지 않아도 스스로 운전할 수 있는 차량이다. ML 알고리즘을 사용하여 자율 주행 차량이 환경에 따라 결정을 내릴 수 있습니다.