IT is True

[이전글] [ML] 4-2. 머신러닝의 테스트와 검증 및 데이터 불일치 여부 확인 ittrue.tistory.com/43 [ML] 4-1. 머신러닝에서의 하이퍼파라미터란 무엇일까? (파라미터 vs 하이퍼파라미터) [이전글] [ML] 3-2. 머신러닝의 훈련 조건 (2) - 과대적합과 과소적합 ittrue.tistory.com/39 [ML] 3-2. 머신러닝의 훈련 조건 (과대적합과 과소적합) [이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터.. ittrue.tistory.com 서포트 벡터 머신이란? 서포트 벡터 머신(SVM : Support Vector Machine)이란 두 클래스로부터 최대한 멀리 떨어져 있는 결정 경계를 찾는 분류기로 특정 조건을 만족하는 동시에 클래스를 분..

[이전글] [ML] 4-1. 머신러닝에서의 하이퍼파라미터란 무엇일까? - 파라미터 vs 하이퍼파라미터 ittrue.tistory.com/42 [ML] 4-1. 머신러닝에서의 하이퍼파라미터란 무엇일까? (파라미터 vs 하이퍼파라미터) [이전글] [ML] 3-2. 머신러닝의 훈련 조건 (2) - 과대적합과 과소적합 ittrue.tistory.com/39 [ML] 3-2. 머신러닝의 훈련 조건 (과대적합과 과소적합) [이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터.. ittrue.tistory.com 모델이 새로운 샘플에 대해서 잘 예측하기 위해서는 일반화가 잘 이루어져야 하며, 이를 확인하기 위해 모델을 테스트해보는 것이 중요합니다. 훈련 세트와 테스트 세트로 나누어 진행을 하는데,..

[이전글] [ML] 3-2. 머신러닝의 훈련 조건 (2) - 과대적합과 과소적합 ittrue.tistory.com/39 [ML] 3-2. 머신러닝의 훈련 조건 (과대적합과 과소적합) [이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터와 나쁜 데이터 ittrue.tistory.com/38 [ML] 3-1. 머신러닝의 훈련 조건 (좋은 데이터와 나쁜 데이터) [이전글] [ML] 2-2. 머신러닝의 종류 및 적용 사. ittrue.tistory.com 머신러닝에서 하이퍼파라미터를 알기 위해서는 파라미터라는 개념을 알아야 합니다. 컴퓨터 프로그래밍에서의 파라미터(Parameter)는 어떤 시스템이나 함수의 특정한 성질을 나타내는 변수를 뜻하며, 매개변수라고도 합니다. 함수에 특정 파라미터를..

[이전글] [ML] 3-1. 머신러닝의 훈련 조건 (1) - 좋은 데이터와 나쁜 데이터 ittrue.tistory.com/38 [ML] 3-1. 머신러닝의 훈련 조건 (좋은 데이터와 나쁜 데이터) [이전글] [ML] 2-2. 머신러닝의 종류 및 적용 사례 (2) ittrue.tistory.com/36 [ML] 2-2. 머신러닝의 종류 및 적용 사례 (배치 학습, 온라인 학습, 사례 기반 학습, 모델 기반 학습) [이전글] [ML] 2-1. 머신러닝.. ittrue.tistory.com 과대적합과 과소적합 과대적합과 과소적합은 머신러닝 훈련과정 중 발생할 수 있는 문제로 데이터량, 특성, 샘플 등으로 인해 발생하는 문제와는 다소 차이가 있습니다. 앞서 데이터 설명한 것들은 데이터로 인해 발생할 수 있는 문..

[이전글] [ML] 2-2. 머신러닝의 종류 및 적용 사례 (2) ittrue.tistory.com/36 [ML] 2-2. 머신러닝의 종류 및 적용 사례 (배치 학습, 온라인 학습, 사례 기반 학습, 모델 기반 학습) [이전글] [ML] 2-1. 머신러닝의 종류 및 적용 사례 (1) ittrue.tistory.com/35 [ML] 2-1. 머신러닝의 종류 및 적용 사례 [이전글] [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) ittrue.tistory.c.. ittrue.tistory.com 머신러닝 훈련 조건 머신러닝을 통해 문제 해결을 위해서는 머신러닝 알고리즘도 중요하지만 가장 기본적인 훈련 데이터를 잘 다룰 줄 알아야 합니다. 간단한 문제일 지라도 훈련 ..

[이전글] [ML] 2-1. 머신러닝의 종류 및 적용 사례 (1) ittrue.tistory.com/35 [ML] 2-1. 머신러닝의 종류 및 적용 사례 [이전글] [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) ittrue.tistory.com/33 [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) 1. 머신러닝이란? 아서 새뮤얼(Artuhr Samuel, 195.. ittrue.tistory.com 3. 실시간 훈련 여부 구분 3-1 배치 학습(Batch Learning) 배치 학습은 주어진 훈련 세트 전체를 사용하기 때문에 오프라인 환경에서 적합하여 오프라인 학습이라고도 합니다. 먼저, 시스템을 훈련시킨 후 더 이상의 ..

[이전글] [ML] 1. 머신러닝이란 무엇인가? (About ML: Machine Learning) ittrue.tistory.com/33

1. 머신러닝이란? 아서 새뮤얼(Artuhr Samuel, 1959) "머신러닝은 명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 연구 분야" 톰 미첼(Tom Michell, 1977) "어떤 작업 T에 대하여 컴퓨터 프로그램의 성능을 P로 측정했을 때, 경험 E로 인해 성능이 향상되었다면, 이 컴퓨터 프로그램은 작업 T와 성능 측정 P에 대해 경험 E로부터 학습한다고 말한다." 많은 컴퓨터 공학자들은 머신러닝에 대하여 다양한 정의를 내리고 분석하고 있습니다. 기계 학습이라고도 불리는 머신러닝은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이며, 인공지능(AI)의 한 분야로 간주되고 있습니다. 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하는 것으로 기계 학습을 통해서 수신한 이..

IT is True 블로그에 들어와 주셔서 감사합니다. 미국의 정보 기술 연구 및 자문 회사인 가트너 주식회사의 연구에 따르면, 2020년 말까지 전 세계에 사물인터넷으로 연결된 디바이스는 21억 개에 달할 것으로 예측하고 있습니다. 앞으로 우리는 완전히 새로운 디지털 세계를 맞이할 것으로 기대가 되는데요. 여러 사물인터넷 관련 연구를 토대로 2020년 사물인터넷의 트렌드에 대해 알아보겠습니다. 1. 사물인터넷 보안 사물인터넷의 범위와 응용 프로그램을 감안할 때 반드시 발생하는 한 가지는 연결된 장치 수의 증가입니다. 점점 더 많은 장치가 서로 통신하고 데이터를 공유함에 따라 네트워크는 경계를 넘어 확장되어 데이터를 해킹에 취약하게 만듭니다. 소프트웨어 유출, 정보 유출 및 데이터 프로빙에는 구축된 인프..

IT is True 블로그에 들어와 주셔서 감사합니다. 인공지능의 등장 배경 인공지능(AI, ArtificArtificial Intelligence)이란 사고나 학습 등 인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술입니다. 인간의 인식, 판단, 추론, 문제 해결, 그 결과로써의 언어나 행동 지령, 더 나아가서는 학습 기능과 같은 인간의 두뇌 작용을 이해하는 것을 연구 대상으로 하는 학문 분야. 궁극적으로는 두뇌의 기능을 기계로 실현하는 것을 목적으로 하는데요. 쉽게 말해서 컴퓨터나 기계가 사람이 하는 것처럼 생각하고 행동할 수 있게 하는 기술입니다. 그렇다면, 현재 4차 산업혁명으로 대두되고 있는 인공지능의 등장 배경은 무엇일까요? 인공지능의 등장 놀랍게도 인공지능은 최근에 등장한 용어가 아닙니다..