머신러닝이란 ?

인공지능의 하위 집합으로, 많은 양의 데이터를 제공하여 명시적으로 프로그래밍하지 않고

신경망과 딥러닝을 사용하여 시스템이 자율적으로 학습하고 개선할 수 있게 해준다.

(인공지능 : 기계를 인간 행동의 지식에서와 같이 행동하게 만드는 것)

(딥러닝 : 머신러닝의 여러 방법 중 하나의 방법론으로 인공신경망의 한 종류)

머신러닝을 통해 컴퓨터 시스템은 더 많은 '경험'을 쌓으면서 스스로 지속적으로 조정하고 향상시킬 수 있습니다.

따라서 처리할 더 크고 다양한 데이터 세트를 제공함으로써 이러한 시스템의 성능을 향상시킬 수 있습니다.

머신러닝의 개념

- 머신러닝은 인공지능을 구현하는 방법의 하나로 빅데이터를 스스로 분석하고,

그 내용을 바탕으로 결론을 도출하는 기술이다.

(빅데이터 : 기존 데이터베이스 관리도구의 능력을 넘어서는 대량(수십 테라~페타바이트)의 정형/비정형 데이터)

데이터에 사람이 생각하는 정답(label)을 매겨서 계산하고,

사람의 생각과 차이가 나는 오류를 줄여가는 방법으로 수정하고,

이러한 과정을 반복하는 과정을 학습(training)이라고 부르고,

학습결과로 얻어진 지능을 실제 응용에 적용하는 기술을 바로 "머신러닝(Machine Learning)"이라고 부른다.

1단계 : 사람이 정답을 판단하기 위해서 봤던 트레이닝 데이터의 특징들을 추출

2단계 : 다양한 특징들을 기반으로 판단

ex ) 고양이 판단 방법

1단계 : 얼굴모양, 다리/눈의 개수, 눈/코/입 등의 구조, 귀의 모양 등 특징 추출

2단계 : 1단계에서 수집한 특징을 기준을 통해 고양이라는 판단 도출

- 인간이 놓칠 수 있는 데이터 추세와 패턴을 식별할 수 있다.

- 설정 후 사람의 개입없이 작업할 수 있다.

- 시간이 지남에 따라 결과가 정확해 질 수 있다.

- 동적, 대용량 및 복잡한 데이터 환경에서 다양한 데이터 형식을 처리할 수 있다.

- 초기훈련은 비용과 시간이 많이 소요된다. 충분한 데이터를 사용할 수 없으면 구현이 어려울 수 있다.

- 사내에 하드웨어를 설치하는 경우 막대한 초기 투자가 필요한 컴퓨터 집약적 프로세스이다.

- 전문가의 도움없이 결과를 정확하게 해석하고, 불확실성을 없애기 어려울 수 있다.

Reference

https://modulabs.co.kr/blog/machine-learning