대부분의 머신러닝 강좌는 수십 개의 알고리즘을 소개하며, 그 뒤에 숨겨진 수학에 대한 간략한 수학에 대한 간략한 기술 설명과 장난감 예제를 제공합니다. 

여러분은 보여지는 엄청난 범위의 기술에 혼란스러워하고,이를 적용하는 방법에 대해 거의 알지 못합니다.

 좋은 소식은 최신 머신 러닝을 몇 가지 핵심 기술로 압축할 수 있다는 것입니다 


최근 연구에 따르면

데이터 세트의 대부분은 단 두 가지 방법으로 가장 잘 모델링할 수 있습니다:


결정 트리 앙상블(예: 랜덤 포레스트와 그래디언트 부스팅 머신): 주로 구조화된 데이터(예: 대부분의 기업 데이터베이스 테이블에 있는 데이터)에 적합합니다.


SGD(확률적 경사 하강법)로 학습된 다층 신경망(예: 얕은/깊은 학습): 주로 비정형 데이터(예: 오디오, 이미지, 자연어)에 적합합니다.


이 구절이 가장 기억에 남긴함.