AI로 바뀌는 세상
첫 번째로, AI 로 변화되는 산업별 사례에 대한 이야기를 해보도록 하겠습니다.
1. 넷플릭스, 이커머스
머신러닝 알고리즘으로 개인의 취향에 맞춰서 관심 주제를 추천합니다.
2. 금융분야
기존에는 전문가들이 만들어 놓은 규칙을 통해 금융 사기를 찾아 냈습니다.
그러나 이제는 이상치 탐지라는 머신러닝 알고리즘을 통해서 금융 사기를 찾아 내려고 연구를 하고 있습니다.
이상치 탐지란?
예를 들어 평소에 신용카드를 국내에만 쓰다가 갑자기 해외 결제하는 경우 카드사에서 확인차 연락이 오는 것을 경험할 수 있는데, 이렇게 이전과 다른 특이한 이벤트를 탐지하는 기법을 말합니다. 머신러닝을 통해서 이상치를 탐지하여 금융 보안을 강화할 수 있습니다.
3. 농업분야
농업에서는 잎 사진을 통해서 작물의 병해를 분류합니다.
4. 물류 유통분야
유통량과 가격 등을 예측합니다.
5. 에너지 분야
시계열 데이터를 통해서 전력 사용량을 예측합니다.
6. 교육분야
현재 지식 수준을 파악하고 학습 여정을 제시합니다.
머신러닝이란?
여러분은 AI, 머신러닝, 딥러닝 용어들을 아마 많이 접해봤을 겁니다.
과연 AI=머신러닝=딥러닝은 같은 뜻일까요?
아닙니다. AI, 머신러닝, 딥러닝을 구분해 보자면
AI를 구현하는 방법 중에 하나가 머신러닝이고 이 머신러닝 방법 중 하나가 딥러닝입니다.
머신러닝 속에 딥러닝이 있지만 일반적으로는 딥러닝 성능이 워낙 좋다 보니까 구분해서 이야기를 한다고 합니다. 참고로 알아 두세요.
1. 지도학습
정답이 있는 데이터를 가지고 학습을 해서 예측
2. 비지도학습
정답이 없는 데이터로 예측
3. 강화학습
알파고의 사례처럼, 환경을 만들어주고 그 환경 속에서 보상을 통해서 학습해 나가는 과정
머신러닝 모델
머신 러닝 모델에 대하여 알아 보겠습니다.
1. 최적
예시 데이터는 시간과 값이라는 두 개의 요소들을 가지고 있기 때문에 좌표평면 위에 점으로 나타낼 수 있습니다.
최적의 회귀(regression) 모델은 이 점들과 가장 가까운 선을 찾습니다.
2. 과소적합(언더피팅, underfitting)된 모델
그래프에 표시된 선이 모든 점을 포함하지 않고 일부는 점과 거리가 꽤 멀죠?
데이터가 작을 때 이런 현상들이 많이 벌어집니다.
3. 과대적합(오버피팅, overfitting)된 모델
현재 데이터에 너무 최적화되어 있어서 새로운 데이터가 들어왔을 때 예측 성능이 떨어지는 것을 말합니다.
때문에 여러분들은 과대적합, 과소적합을 피해서 적절한 머신러닝 모델을 만들어 주셔야 됩니다.
'it(파이썬,스타트업일기)' 카테고리의 다른 글
| 스타트업 일기 2일차_1(인문잡지 한 편, 인디자인, gpt로 플랫폼 만들기) (2) | 2024.02.10 |
|---|---|
| 데어리 프리, 락토프리 차이가 뭘까?(+유당불내증) (1) | 2024.02.10 |
| 스타트업일기1_개념공부(플랫폼)2시간소요 (2) | 2024.02.05 |
| 비전공자가 심리분석 사이트를 개발하기 위해선 (1) | 2023.08.16 |