기계 학습-결론

이 자습서에서는 기계 학습을 소개했습니다. 자, 당신은 기계 학습이 인간의 두뇌가 할 수있는 활동을 수행하기 위해 기계를 훈련시키는 기술이라는 것을 알고 있습니다. 오늘날 우리는 매우 복잡한 것으로 간주되는 Chess, AlphaGO와 같은 게임에서 기계가 인간 챔피언을 이길 수 있음을 보았습니다. 기계는 여러 영역에서 인간 활동을 수행하도록 훈련 될 수 있고 인간이 더 나은 삶을 살도록 도울 수 있음을 보았습니다.

기계 학습은 감독되거나 감독되지 않을 수 있습니다. 데이터 양이 적고 교육용으로 명확하게 레이블이 지정된 데이터가있는 경우 감독 학습을 선택하십시오. 비지도 학습은 일반적으로 대규모 데이터 세트에 대해 더 나은 성능과 결과를 제공합니다. 쉽게 사용할 수있는 방대한 데이터 세트가있는 경우 딥 러닝 기술을 사용하십시오. 또한 강화 학습 및 심층 강화 학습을 배웠습니다. 이제 신경망이 무엇인지, 그 응용 프로그램과 한계를 알 수 있습니다.

마지막으로 자신 만의 기계 학습 모델을 개발할 때 다양한 개발 언어, IDE 및 플랫폼의 선택을 살펴 보았습니다. 다음으로해야 할 일은 각 기계 학습 기술을 배우고 연습하는 것입니다. 주제가 방대하고 폭이 있다는 뜻이지만 깊이를 고려하면 각 주제를 몇 시간 안에 배울 수 있습니다. 각 주제는 서로 독립적입니다. 한 번에 하나의 주제를 고려하고, 배우고, 연습하고, 선택한 언어를 사용하여 알고리즘을 구현해야합니다. 이것이 머신 러닝 공부를 시작하는 가장 좋은 방법입니다. 한 번에 하나의 주제를 연습하면 머지 않아 기계 학습 전문가에게 필요한 폭을 얻게됩니다.

행운을 빕니다!