머신러닝 용어와 개념

머신러닝의 기본적인 개념과 모델의 정의, 모델 학습, 평가 및 배포에 대해 노트를 정리한다.

1. 머신러닝

• 머신 러닝(Machine Learning)

  • 지도 학습(Supervised learning): 인간들이 데이터를 라벨링하고 일반적인 지침을 제공(humans label the data and gives general guidance)

  • 비지도 학습(Supervised learning): 인간의 도움 없이 데이터에서 패턴을 스스로 찾아내는 능력.(humans label the data and gives general guidance)

• 자연어 처리(Natural Language Processing): 기계가 인간의 언어를 읽고 이해할 수 있도록 해줌.(Allows a machine to read and understand human language.)
• 지각(Perception) : 센서로부터 입력을 받아들이는 능력(the ability to use input from sensors.)
  • 얼굴 인식(facial recognition). 음성 인식(speech recognition). 자율 주행(Autonomous driving). 온도계(Thermometer). 음성 스피커(voice speaker. 대화 전사(Dialog Transcription). 감정 분석(sentimental analysis)

2. 모델

• 머신러닝(ML)은 컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터를 이용해 미래를 예측할 수 있도록 한다. (ML allows computers to use data **to forecast the future without specifically being programmed**.)

• 머신러닝(ML)에서 모델이란 데이터에서 패턴을 인식하는 데 사용되는 프로그램이다.(In ML, a model is a program that can be used to **recognize** a pattern in data.)

• 모델은 미래의 행동을 예측하는 데 사용할 수 있다. (A model can be used to predict future behaviors.)

• 모델은 무언가를 어느 한 범주로 분류하는 데 사용할 수 있다. (A model can be used to **categorize** something as one thing or another)

• 모델은 이전에 본 적 없는 이미지를 사용하여 사람, 사물, 랜드마크를 인식하는 데 사용할 수 있다.(A model can be used to **recognize** people, objects and landmarks using unseen images.)

• 모델은 자연어 텍스트나 음성의 문맥을 이해하는 데 사용할 수 있다. (A model can be used to understand the context of natural human text or speech.)

3. 모델 학습, 평가 및 배포

• 모델은 “학습 데이터”를 사용하여 훈련합니다. (You train a model using “training data”)
• 모델의 정확도를 측정하기 위해 “테스트 데이터”를 사용하여 평가한다.(You evaluate a model using “test data” to measure how accurate it.)
• 모델이 배포되면, 이전에 본 적 없는 데이터에서도 패턴을 인식할 수 있다.(Once a model has been deployed, it can recognize patterns in data it has never seen before.)