기계학습(Machine Learning) 이란?

기계학습(Machine Learning) 이란?

인공지능의 한 분야로, 사람이 학습을 하듯이 컴퓨터에도 데이터를 줘서 학습하게 함으로써 새로운 지식을 얻어내게 하는 분야입니다.

기계학습은 검색엔진, 기계번역, 음성인식, 바둑, 과학연구, 자율 주행 자동차, 필기체 문자인식등과 같이 알고리즘 개발이 어려운 문제해결에 유용하게 사용됩니다.

 

기계학습 종류

학습문제의 형태에 따라 지도학습, 비지도학습, 강화학습으로 구분되는데

 

1. 지도학습(supervised learning)

:입력과 출력사이의 매핑을 학습. 입력과 출력쌍이 데이터로 이루어지는 경우에 적용

ex)컴퓨터가 주차장 입구에서 자동 번호판을 인식할때 번호판이 오염된경우 인식이 안될수있는데, 이경우 다양하게 오염된 번호판 사례와 정상번호판을 각각 입력과 출력쌍으로 학습시켜 번호판 인식률을 높일수있습니다.

 

2. 비지도 학습(unsupervised learning)

: 입력만 있고 출력은 없는경우에 적용, 입력사이의 규칙성을 찾아내는것이 목표이며, 비지도 학습결과는 지도학습의 입력으로 사용되거나 인간전문가에 의해서 해석됩니다

 

3. 강화 학습(reinforcement learning

: 주어진 입력에 대응하는 행동을 취하는 시스템에대해 적용, 주어진 입력에 대한 출력 즉 정답행동이 주어지지않음. 일련의 행동의 결과에 보상이 주어지게되며, 시스템은 이러한 보상을 이용해 학습을 행함

ex) 로봇, 게임플레이어

 

기계학습은 50년대 이후부터 시작되었지만 발전하지못하다 2000년대 중반에 들어와서 크게 발전하였습니다.

기계학습의 하나인 *인공신경망 분야에서 두드러진 발전이 이루어 졌는데 이것이 바로 딥러닝 (Deep Learning)입니다.

사물인터넷이 활성화 되면서 엄청난 데이터가 발생하게 되는데 이 빅데이터를 이용해 학습할 데이터들을 사전 처리하여 

최적화 함으로써 학습효과를 극대화 하면 실용화가 가능한 기계학습 결과가 나오는것입니다.

 

 

*인공신경망(artificial neural network, ANN): 기계학습과 인지과학에서 생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘으로 스냅스의 결합으로 네트워크를 형성한 인공뉴런이 학습을 통해 스냅스의 결합세기를 변화시켜, 문제해결 능력을 가지는 모델 전반을 가리킴

인공신경망에는 교사 신호(정답)의 입력에 의해서 문제가 최적화 되어가는 교사학습과, 신호가 필요하지않은 비교사 학습이 있다. 

명확한 해답이 있는경우는 교사학습이, 데이터 클러스터링에는 비교사학습이 이용된다. 다른기계학습과 같이 신경망은 일반적으로 규칙기반 프로그래밍이 풀기 어려운 컴퓨터 비전 또는 음성인식과 같은 다양한 범위의 문제를 푸는데 이용된다. 

 

AI가 똑똑해 지려면 기계학습(머신러닝)의 단계를 거쳐야 하겠죠?

그렇기 위해서는 잘 정리된 좋은데이터를 모아야 하고 좋은 품질의 데이터를 차곡차곡 학습시켜야 좋은 결과가 나올것입니다. 

 

제제소프트는 산재되어있는 기업데이터를 기업식별기술을 통해 무분별한 데이터 정보를 통합하고 

'기계학습(ML), 자연어처리(NLP), 인공지능(AI)'의 뉴럴 네트워크 기반으로 산업, 기업정보, 데이터 통계등을 상호 검증하고 분석해 

양질의 데이터를 제공하고 있습니다.