본문 바로가기
반응형

머신러닝

3.tensorflow, 머신러닝에서 태스크, 알고리즘,모델에 대해서 간단하게 정리하고 알아보자. 블로그 목적 머신러닝안에서 태스크 / 알고리즘 / 모델에 대해서 알아본다. 머신러닝에서 말하는 태스크란? 머신러닝이 해결해야 하는 문제임. 그럼, 태스크의 대한 성능이란 의미는? 문제가 해결될 수 있다고 확신할 수 있는 일종의 수준을 의미함. 여러 종류 데이터셋 / 다양한 알고리즘을 적용 하면, 결과적으로, 많은 종류의 모델이 만들어 짐. 결론적으로, 여러종류의 모델에 대한 일관성 있는 성능 측정이 필요함. 머신러닝에서 말하는 알고리즘이란? 머신러닝에서 알고리즘 적용 시 필요한것은 ? 하나, 문제를 명확하게 이해해야함. 둘, 문제 파악의 명확함속에서, 어떤데이터에 해당하는 알고리즘이 적합한지와 적용가능한지 여부를 아는 것이 중요함. 왜냐하면, 세상에 알고리즘이 너무많이 때문에....-_-;;; 그럼, 알.. 더보기
1.tensorflow, 학습(Learning)에 대해서 알아보자. 블로그 목적 머신러닝에서 학습에 대한 정의를 알아본다. 학습(Learning) 이란? 현재까지 축적한 데이터(historical data)를 실행 가능한 태스크를 예측하고 도출하는 데 사용하는 것을 말함. 즉, 학습할 수 있어야 지능형 시스템이 될 수 있음. 학습을 정의하기 위한 고려사항 정리 하나, 학습모델 및 필요한 것이 무엇인지 정의함. 둘, 데이터관련 요구 사항 / 데이터셋 확인. 셋, 학습 모델의 대상 데이터셋의 전체 / 일부 에 대해 정의함. 모델이란? 데이터 셋에 알고리즘을 적용해 얻은 결과를 말하고, 패턴형태로 나타나게됨. 그럼, 머신러닝에서 사용되는 2가지 데이터 셋(dataset)에 대해서 알아보자. 하나, 입력 데이터 / 예상결과데이터가 모두 포함된 데이터 셋 수작업을 통해서 마련됨... 더보기
0.tensorflow, 머신러닝(machine learning)이란? · 블로그 목적 - 머신러닝에 대해서 전반적으로 알아본다. - 그리고, 해당 블로그를 보시는 분들의 뇌가 머신러닝과 친해지는 계기와 기회가 된다. · 머신러닝(machine learning)이란? - 수많은 사람을 통해 기술적/기능적 관점에서 다양하게 정의되어 옴 - 대표적인 정의에 대해서 알아보자. - 톰 미셀(Tom M, Mitchell) - "컴퓨터 프로그램은 임의의 태스크 T가 성능 P로 측정 가능하고 겸험 E를 통해 향상될 수 있다면(테스크 T와 성능 측정치 P관점에서) 경험 E를 통해 학습이 이뤄진다." - 제이슨 브라운리(Jason Brownlee) - "머신 러닝은 데이터를 기반으로 한 일종의 학습 모델인데, 성능 측정을 통해 의사 결정을 이끌어 낸다." - Dictionnary.com -.. 더보기
반응형

티스토리툴바