머신러닝에서 주로 사용하는 용어들의 설명을 아예 따로 정리하기로 했다. 1. 머신러닝 이란? > 머신러닝(기계 학습, Machine Learning)은 컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터를 통해 학습하고 예측을 할 수 있도록 하는 기술이다. 기본적으로
머신러닝(기계 학습, Machine Learning)은 컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터를 통해 학습하고 예측을 할 수 있도록 하는 기술이다. 기본적으로 머신러닝은 대량의 데이터를 분석하여 패턴을 찾아내고, 그 패턴을 기반으로 미래의 데이터를 예측하거나
참고 : https://gooopy.tistory.com/129경사하강법(Gradient Descent)은 머신 러닝과 최적화에서 매우 중요한 개념으로, 함수의 최솟값을 찾는 데 사용됨. 주로 비용 함수(cost function)를 최소화하거나 최대화하는 문제
1. Collaborative Filtering (협업필터링) > ## 협업 필터링이란? 협업 필터링(Collaborative Filtering)은 추천 시스템(Recommendation System)에서 사용되는 기법 중 하나로, 사용자들의 행동이나 기호를 기반으로
자연어란 인간이 일상적으로 사용하고 이해하는 언어를 말한다. 예를 들어 한국어, 영어, 중국어, 스페인어 등이 있다. 자연어는 문자와 음성으로 이루어져 있으며, 사람들이 서로 소통하기 위해 사용하는 다양한 규칙과 관습을 포함한다.자연어는 형식 언어나 프로그래밍 언어와는
1. 딥러닝이란? > 딥러닝(Deep Learning)은 인공지능(AI)의 한 분야로, 인공 신경망을 사용하여 데이터를 학습하고 예측하는 기술이다. 딥러닝은 특히 대규모 데이터셋과 복잡한 패턴을 다룰 때 뛰어난 성능을 발휘한다. > ## 주요 개념 1. 인공 신경망
1. 이진 분류 (Binary Classification) > ## 이진 분류란? 이진 분류(Binary Classification)는 주어진 입력 데이터가 두 개의 클래스 중 하나에 속하는지 예측하는 문제를 말한다. 예를 들어, 이메일이 스팸인지 아닌지, 환자가 질
1. 검증 세트 > ## 검증 세트란? 딥러닝에서 검증 세트(Validation Set)는 모델 훈련 과정에서 중요한 역할을 하는 데이터 집합이다. 이를 통해 모델의 일반화 성능을 평가하고, 과적합(overfitting)을 방지하는 데 도움을 준다. > ## 검증 세
1. 다층 신경망 > ## 다층 신경망이란? 다층 신경망(Multilayer Neural Network, MLP)은 인공 신경망의 일종으로, 입력층(Input Layer), 하나 이상의 숨겨진 층(Hidden Layer), 그리고 출력층(Output Layer)으로 구
1. 다중 분류 > ## 다중 분류란? 다중 분류(Multiclass Classification)는 여러 개의 클래스 중 하나를 예측하는 문제를 의미한다. 이는 두 개의 클래스 중 하나를 예측하는 이진 분류(Binary Classification)와는 달리, 세 개 이