규칙을 수동으로 프로그래밍하는 대신, 예시를 입력하고 알고리즘이 패턴을 찾도록 하세요. 머신 러닝은 데이터가 쌓일수록 성능이 향상되는 모델을 구축하며, 현재 검색, 추천, 사기 탐지 및 음성 인식의 기반이 되고 있습니다.

이 분야는 지도 학습 방식에 따라 두 가지로 나뉩니다. 지도 학습은 레이블이 지정된 데이터를 사용합니다. 비지도 학습은 레이블 없이 구조를 찾아냅니다. 강화 학습은 상호작용을 통해 보상 신호로부터 학습합니다. 각각 다른 문제에 적합합니다.

일반적인 학습 패러다임

• 레이블을 이용한 지도 학습
• 구조를 이용한 비지도 학습
• 보상 기반 강화 학습
• 혼합 데이터로부터의 준지도 학습
• 사전 작업으로부터의 자기지도 학습

데이터는 결과에 큰 영향을 미칩니다. 깨끗하고 관련성 있는 데이터에 기반한 단순한 모델은 잡음이 섞인 데이터에 기반한 복잡한 모델보다 우수한 성능을 보이는 경우가 많습니다. 실무자들은 아키텍처 탐색보다는 데이터 수집, 정제 및 검증에 대부분의 시간을 할애합니다.