머신러닝에서 알아야 할 5가지 중요한 내용 (2)

 오늘은 이전시간에 이어 머신러닝에서 알아야 할 5가지 중요한 내용에 대해 마저 살펴보도록 하겠습니다.

 

준지도 학습(Semi-supervised learing)

 준지도 학습은 지도 학습 기법과 비지도 학습 기법 사이에 있는 방법으로, 이러한 기계 학습 모듈은 레이블이 지정된 데이터와 레이블이 지정되지 않은 데이터를 모두 사용하며 레이블이 지정되지 않은 데이터를 사용할 때 효과적입니다. 준지도 학습의 목표는 레이블이 지정된 정보 세트를 사용하여 레이블이 지정되지 않은 데이터를 예측하고 분류하는 것입니다.

 

 준지도 학습 모델은 여전히 인간의 개입이 필요한 산업에서 일반적으로 사용됩니다. 예를 들어, 음성 분석에 해당 모델이 적용되어 오디오 파일에 레이블을 지정하는데, 이 작업에는 여전히 사람의 개입이 필요합니다. 또한 인터넷에서 수십억 개의 웹 페이지를 구성하기 위해 웹 콘텐츠 분류에 사용됩니다.

 

 준지도 학습 모델의 예시로, Yelp는 이를 활용하여 사진 분류 기술, 즉 사진을 보다 효율적으로 분류 및 레이블링 하여 최고의 사용자 경험을 제공하고 있습니다.

 

강화 학습(Reinforcement Learning)

 강화라는 단어에서 알수 있는 것처럼 이는 시행착오를 통해 지식이 축적됩니다. 강화된 학습을 통해 에이전트는 특정 작업을 수행하고 결과를 관찰하여 환경에서 행동하는 방법을 학습합니다. 이 알고리즘은 상황을 평가하고 긍정적이거나 부정적인 피드백을 받는 작업을 수행합니다. 이 모듈은 자전거 타는 법을 배운다고 생각하면 시작할 때 올바른 동작이 무엇인지 모를 수 있지만 충분한 연습을 통해 부드러운 방법을 습득할 수 있습니다.

 

 강화 학습은 로봇, 제조, 학계 및 공급망 물류에서 운영 생산성을 최적화하는 데 활용됩니다. 예를 들어, 영국 회사인 웨이브는 강화 학습을 이용한 자율주행 자동차를 개발했습니다. 결과적으로, 강화 학습 모듈은 주차, 차선 변경 및 컨트롤러 최적화를 지원합니다. 광고 추천 시스템은 특정 최종 사용자를 위한 광고를 개인화하는 데 도움이 되는 강화 학습을 사용하는 또 다른 산업입니다.

 

인공 신경망(Artificial Neural Network ANN)

 인공신경망(ANN) 모델은 인간의 뇌가 어떻게 기능하는지를 기반으로 합니다. 이 모델은 뇌의 생물학을 수학적으로 모델링하고 그 작업을 모방하도록 설계되었습니다. ANN은 뉴런이라고 불리는 뇌 세포와 유사한 물체, 언어, 그리고 동물 등을 인식할 수 있습니다.

 

 신경망은 얼굴 인식, 주식 시장 예측 및 소셜 미디어에 적용됩니다. 예시를 들어보면, 넷플릭스는 뛰어난 고객 경험을 제공하기 위해 인공 신경망을 사용하는 가장 유명한 회사 중 하나입니다. 이러한 모델을 통해 넷플릭스는 맞춤형 권장 사항을 조정하고 사용자가 어떤 영상에 관심을 가질지 예측할 수 있습니다.

 

결론

 머신러닝이라는 주제는 우리가 가는 모든 곳에서 우리를 둘러싸고 있습니다. 기업은 지도 학습에서 비지도 학습, 준지도 학습, 강화 학습, 인공 신경망에 이르기까지 생산성을 극대화하고 경쟁에서 앞서 나가기 위해 이러한 도구에 크게 의존하고 있습니다.