기계 학습 모델이란 무엇인가요?

기계 학습 모델은 특정 유형의 패턴을 인식하도록 학습된 개체(파일에 로컬로 저장됨)입니다. 데이터 세트에 대해 모델을 학습하여 해당 데이터로 추론하고 학습하는 데 사용할 수 있는 알고리즘을 제공합니다.

모델을 학습한 후에는 이를 사용하여 이전에 표시되지 않은 데이터를 추론하고 해당 데이터에 대한 예측을 만들 수 있습니다. 예를 들어 얼굴 식에 따라 사용자의 감정을 인식할 수 있는 애플리케이션을 빌드하려는 경우를 가정해 보겠습니다. 특정 감정으로 각각 태그가 지정된 얼굴 이미지를 제공하여 모델을 학습한 다음, 사용자의 감정을 인식할 수 있는 애플리케이션에서 해당 모델을 사용할 수 있습니다.

Machine Learning을 사용해야 하는 경우

좋은 기계 학습 시나리오에는 종종 다음과 같은 공통 속성이 있습니다.

1. 여기에는 자동화하고 일관된 결과를 필요로 하는 반복되는 결정 또는 평가가 포함됩니다.
2. 솔루션 또는 결정에 대한 기준을 명시적으로 설명하는 것은 어렵거나 불가능합니다.
3. 데이터 또는 상황을 설명하고 올바른 결과에 매핑할 수 있는 기존 예제를 레이블 지정했습니다.

Windows Machine Learning은 해당 모델에 대해 ONNX(Open Neural Network Exchange) 형식을 사용합니다. 미리 학습된 모델을 다운로드하거나 모델을 직접 학습할 수 있습니다. 자세한 내용은 Windows ML용 ONNX 모델 가져오기를 참조하세요.

시작하기

전체 앱 자습서 중 하나를 수행하거나 Windows Machine Learning 샘플로 바로 이동하여 Windows Machine Learning을 시작할 수 있습니다.

참고 항목

Windows ML에 대한 도움말은 다음 리소스를 참조하세요.

• Windows ML에 대한 기술적인 질문을 하거나 질문에 답하려면, Stack Overflow에서 windows-machine-learning 태그를 사용하세요.
• 버그를 보고하려면 GitHub에서 문제를 제출하세요.