소개
기계 학습은 여러 면에서 데이터 과학 및 소프트웨어 엔지니어링이라는 두 분야의 교차점입니다. 기계 학습의 목표는 데이터를 사용하여 소프트웨어 애플리케이션 또는 서비스에 통합할 수 있는 예측 모델을 만드는 것입니다. 이 목표를 달성하려면 데이터를 사용하여 기계 학습 모델을 학습 시키기 전에 데이터를 탐색하고 준비하는 데이터 과학자와 모델을 새 데이터 값( 추론이라고 하는 프로세스)을 예측하는 데 사용되는 애플리케이션에 통합하는 소프트웨어 개발자 간의 협업이 필요합니다.
기계 학습은 데이터의 통계 및 수학 모델링의 기원을 가지고 있습니다. 기계 학습의 기본 개념은 과거 관찰의 데이터를 사용하여 알 수 없는 결과 또는 값을 예측하는 것입니다. 다음은 그 예입니다.
- 아이스크림 가게의 소유주는 일기 예보에 따라 특정 일에 판매 할 가능성이 얼마나 많은 아이스크림을 예측하기 위해 기록 판매 및 날씨 기록을 결합하는 응용 프로그램을 사용할 수 있습니다.
- 의사는 과거 환자의 임상 데이터를 사용하여 새로운 환자가 체중, 혈당 수준 및 기타 측정과 같은 요인에 따라 당뇨병의 위험에 처해 있는지 여부를 예측하는 자동화 된 테스트를 실행할 수 있습니다.
- 남극의 한 연구원은 과거 관측을 사용하여 새의 플리퍼, 청구서 및 기타 물리적 특성의 측정값에 따라 다른 펭귄 종(예: 아델리, 젠투 또는 친스트랩)의 식별을 자동화할 수 있습니다.
비고
우리는 다른 사람들이 다른 방법으로 배우는 것을 좋아한다는 것을 알고 있습니다. 이 모듈을 비디오 기반 형식으로 완료하도록 선택하거나 콘텐츠를 텍스트 및 이미지로 읽을 수 있습니다. 텍스트는 비디오보다 더 자세한 내용을 포함하므로 경우에 따라 비디오 프레젠테이션에 대한 추가 자료로 참조할 수 있습니다.