차례:
저스틴 스톨츠 푸스
소개
더 많은 엔지니어와 다른 전문가들이 머신 러닝을 시작하고 있습니다. 초기 인공 지능 분야에서 개인과 회사에 문을 열 수있는 방법을 찾기 위해 초기 연구를 수행하고 초기 시스템을 구축하고 있습니다.
그러나 프로세스 전체에 걸쳐 약간의 혼란이 있습니다. 어쨌든 머신 러닝이란 무엇입니까?
기본 개념은 새로운 기술을 통해 기계가 인간의 뇌가 작동하는 방식과 유사한 방식으로 "생각"하고 "학습"할 수 있다는 것입니다.
그러나이 과정을 설명하는 몇 가지 방법이 있습니다. 좀 더 자세한 내용은 기술 문제에 대한 정의와 실제 설명을 찾고있는 프로그래머 및 기타 IT 전문가를위한 주요 숙소 인 StackOverflow로 이동해 보겠습니다. StackOverflow 스레드는 기계 학습을 "입력 데이터를 기반으로 결과를 작성하도록 컴퓨터를 교육하는 프로세스"라고 설명합니다.
또 다른 작가는 기계 학습을 "논리적이고 절차적인 접근이 불가능하거나 불가능한 복잡한 작업을 해결할 수있는 컴퓨터 과학, 확률 이론 및 최적화 이론 분야"라고 설명합니다.
이 후자의 정의는 머신 러닝이 무엇인지, 그렇지 않은지에 대한 주요 요점에 가깝습니다.
작가가“논리적이고 절차적인 접근이 불가능하거나 실현 가능하지 않다”고 말하면 이는 기계 학습의 실제“마법”과 가치를 가리킨다. 간단히 말해서, 그것은 "사후 논리"입니다. 머신 러닝은 전통, 선형 및 순차적 코드베이스 프로그래밍이 할 수있는 것 이상의 것을 의미합니다!
한 걸음 물러서서 우리는 기계 학습의 기본 구성 요소를 살펴보고 어떻게 더 잘 이해할 수 있습니다.
첫째, 훈련 데이터가 있습니다. 훈련 데이터는 프로그램 입력을 작업에 제공합니다.
학습 데이터와 함께 해당 데이터를 크런치하고 다양한 방식으로 해석하는 알고리즘이 있습니다. 전문가들은 머신 러닝의 필수 작업을 "패턴 인식"이라고 설명합니다. StackOverflow 페이지에서도이 내용을 볼 수 있지만 머신 러닝의 작동 방식을 부분적으로 만 설명합니다.
다음 : 신경망
목차
소개신경망
감독 및 감독되지 않은 기계 학습
그라데이션 하강 및 역 전파
신경망의 종류
앙상블 학습
응용 프로그램 및 게임 이론
기계 학습 응용 프로그램의 5 가지 부족
우리는 여기서 어디로 가나 요?
