[💡정보] 머신 러닝은 어떻게 사용되나?

[대덕SW마이스..(202110phy)]

머신 러닝은 과거의 경험(데이터)를 기반으로 새로운 데이터에 대한 예측을 내리는 데 주로 사용된다. 예를 들어, Google G Mail에서 제공하는 '스팸 메일 필터링'이나 아마존에서 제공하는 '추천 서비스'는 대규모 과거 데이터로 학습해 새로운 데이터에 대한 예측을 수행한다.

실제 산업에서는 아직 알지 못하는 새로운 데이터에 대한 예측에 지도 학습을 많이 사용한다. 아래의 그림은 지도 학습의 대략적인 흐름이다. 간단하게 말하면 지도 학습은 이미 알고 있는 데이터에 어떤 알고리즘을 적용하여 입력 데이터와 출력 데이터 사이의 관계를 파악하고, 그 결과(모델)를 이용해 새로운 데이터에 대한 예측을 수행하는 방식이다. 입력 데이터로는 이미지의 RGB 값, 날짜, 기온과 같은 수치를 '벡터화 한 것', 쉽게 말해 여러 가지 데이터를 한 배열의 넣은 모양이고 앞서 말한 여러 입력 데이터를 예로 들을 수 있으며, 출력 데이터로는 개, 고양이 등과 같은 '유형'과 강수량 등 수치를 예로 말할 수 있다.

지도 학습은 다시 기존 데이터의 입력과 출력(정답)의 관계를 파악하는 학습 단계와, 모델을 통해 새로운 입력 데이터에 대한 예측을 수행하는 예측 단계로 이뤄진다. 모델, 다시 말해 입력과 출력의 관계를 나타내는 파라미터를 구함으로써 새로운 데이터에 대해서도 일정 수준의 예측을 할 수 있게 된다. 이를 테면 사람은 단순한 작업이라도 철야를 하게 되면 판단이 흔들릴 수 있지만, 학습이 완료된 머신 러닝의 예측은 전혀 흔들리지 않는다. 따라서 많은 양의 데이터도 사람보다 안정적으로 처리할 수 있다.

이 외에도 입력 데이터만으로 데이터의 구조를 파악해 예측 모델을 만들어내는 비지도 학습, 바둑이나 장기 같은 게임에서 어떤 행동을 취해야 하는지에 대한 전략을 학습하는 강화 학습 등이 있다.

.

.

.

머신 러닝 실무 프로젝트에서 발췌.