기계가 학습하는 방법

Lesson Progress

0% Complete

우리는 인간이 어떻게 학습하는지 보았습니다. 그러나 기계는 어떻게 학습합니까? 인간과 같은가요, 아니면 다른가요? 한번 봅시다.

정의

기계 학습은 인간의 개입 없이 기계가 스스로 행동하는 방법을 학습하는 과정입니다. 기본적으로 컴퓨터가 명시적으로 프로그래밍하지 않고 작업을 수행하도록 하는 것입니다.

기계 학습 모델

기계 학습 수명 주기

이미지에서 고양이와 개를 식별하기 위해 기계 학습 모델을 만드는 과정을 살펴보겠습니다.

Step 1: Define Project/Objective

Specify the problem – Classification of image as a dog or a cat.
Define unit of analysis or prediction target.
Define the type of model: Image, sound or pose? In our case it will be image.

Step 2: Explore and Acquire Training Data

The training data is an initial set of data used to help a machine develop algorithm.

To identify cats and dogs we would require lots of images of cats and dogs as the training data.

Cats:

Dogs:

Step 3: Model Training

This stage is concerned with creating a model from the data given to it. At this stage, a part of the training data is used to find model algorithm which helps to minimise the error for the given data. The remaining data are then used to test the model.

These two steps are generally repeated a number of times in order to improve the performance of the model.

In our case we make the model to identify image in two category:

Cats
Dogs

Step 4: Deploy the Model

Now you are ready to use the model to identify a new image as cat and dog.

다음 항목에서는 ML 모델을 교육하는 방법을 배울 수 있는 Teachable Machine을 소개합니다.