728x90
기계 학습(Machine Learning)은 수행능력(performance P), 작업(task T)와 경험(experience E)들이 연관된 알고리즘에 대한 연구이고 <P,T,E>로 정의 할 수 있다.
ex) 학습 작업 정의 -> T를 향상시키려면 E를 바탕으로 P를 고려해야한다.
T: Playing chess.
P: percentage of games won against an arbitrary opponent.
E: Playing practice games against itself.
ML를 쓰는 경우
1. 사람의 전문성이 존재하지 않을 때 (화성에서의 조종)
2. 사람이 그들의 전문성을 설명할 수 없을 때(말, 글 인식)
3. 모델이 사용자지정이 되어야 할 때(Personalized medicine design)
4. 모델이 엄청난 양의 데이터를 기반으로 뒀을 때(Genomics)
ex) Text Recognition
-CNN (
-Deep-Text-Recognition-Benchmark (github.com/clovaai/deep-text-recognition-benchmark)
ex) 그외 ML 적용 기술 예시
- Web search
- 전자상거래 추천시스템
- Finance
- Robotics
- SNS
- Software debugging tools
최첨단 기술 적용 예시
- 자율주행 자동차
- 딥러닝을 통한 화면 라벨화
- ChatGPT (Generative Pre-trained Transformer)
- CosmoFlow
728x90
'AI > ML' 카테고리의 다른 글
| (ML) 환경 구축 with python (0) | 2023.05.02 |
|---|---|
| (ML) Supervised Learning - Linear Regression (0) | 2023.05.01 |
| (ML) 머신러닝에 필요한 기본 수학 개념 (0) | 2023.03.28 |
| (ML) Learning의 유형 (0) | 2023.03.27 |
| (ML) ML의 기본 개념 (0) | 2023.03.27 |