머신 러닝은 항상 복잡한 개념이었습니다. 대부분의 사람들은 머신 러닝이라는 개념에 혼란스러워하고 위축되는 듯합니다. 사실 여러분은 페이스북과 같은 애플리케이션을 사용하여 여러분의 머신 러닝 모델을 훈련해 왔습니다. 왜 단순히 휴대전화를 사용합니까? 페이스북에서 여러 사람을 보여주고 태그를 지정하라고 할 때, 여러분은 실제로 얼굴 인식 모델을 훈련하고 있는 것입니다. 이것이 머신 러닝이 일상 생활에 들어온 방식입니다 시장성테스트.
머신러닝의 예측 능력
머신 러닝의 가장 중요한 요소는 여러 트렌드와 기타 요소에 따라 정확하게 보호하는 것입니다. 사진을 업로드하고 사람들을 태그하면 머신이 얼굴 인식을 학습하고 사진을 다시 업로드하면 이러한 사례가 자동으로 태그되는 것을 볼 수 있습니다. 이것이 머신 러닝이 작동하는 주요 용도이자 방식입니다. 기후 상황, 침실 수, 항공편 지연 패턴 또는 듣는 노래 등 무엇이든 기반으로 할 수 있습니다.
머신러닝 훈련
머신 러닝에는 어떤 형태의 훈련이 필요합니다. 머신 러닝 모델을 훈련하여 예측하려는 것을 이해하도록 해야 합니다. 어린이가 환경의 다양한 요소를 구별하는 법을 배우는 방식과 유사합니다. 아기가 처음으로 사과를 볼 때, 그녀는 사과의 본질이나 종류에 대해 전혀 모릅니다. 아이에게 그것이 사과라고 말해야 하고, 적절한 훈련을 거친 후 다음에 아기가 사과를 볼 때 그것이 사과라는 것을 식별할 수 있음을 보여줘야 합니다. 마찬가지로 머신 러닝 모델이 훈련된 것을 이해하면 더 이상 도움 없이 예측하고 인식할 수 있습니다.
80% 성공률
기계 기술의 발전은 아직 100% 성공률을 기대할 수 있는 플랫폼에 도달하지 못했습니다. 사람은 스스로 필멸자가 아니므로 완벽하고 100% 정확한 기술을 만들 수는 없습니다. 80%가 유리한 성공률이라는 것은 거의 암묵적인 규칙입니다. 약 80,000장의 사진을 식별할 수 있고 20,000장을 식별하지 못한다면 80%의 성공률을 개발하고 있는 것입니다. 생산성이 이렇게 증가하면 유리한 게임이 많이 생겨서 이상적이라고 여겨졌습니다. 또한 2019년까지 성공률이 최고 90%가 될 것이라고 생각했습니다.
그 중요성을 이해하다
머신 러닝의 중요성을 이해하려면 인공 지능, 딥 러닝 또는 신경망과 구별할 수 있어야 합니다. 머신 러닝은 인공 지능을 얻는 수단이므로 완전히 다릅니다.
갈 길이 멀다
머신 러닝이 자기 인식을 하기까지는 갈 길이 멀다. 이것이 많은