34
1
부
머신러닝
●
전통적인 방식으로는 해결 방법이 없는 복잡한 문제 : 가장 뛰어난 머신러닝 기법으로 해결 방법을 찾을
수 있습니다.
●
유동적인 환경 : 머신러닝 시스템은 새로운 데이터에 적응할 수 있습니다.
●
복잡한 문제와 대량의 데이터에서 통찰 얻기
1.3
애플리케이션 사례
구체적인 머신러닝 작업의 사례와 이를 위한 기술을 함께 살펴보겠습니다.
•
생산 라인에서 제품 이미지를 분석해 자동으로 분류하기: 이미지 분류 작업입니다. 일반적으로 합성곱 신
경망
convolutional
neural
network
(
CNN
,
14
장)을 사용하여 수행합니다.
•
뇌를 스캔하여 종양 진단하기 : 시맨틱 분할 작업입니다. 일반적으로
CNN
을 사용해 이미지의 각 픽셀을
분류합니다 (종양의 정확한 위치와 모양을 결정해야 합니다).
•
자동으로 뉴스 기사를 분류하기: 자연어 처리
natural
language
processing
(
NLP
) 작업입니다. 더 구체적으로 말
하면 텍스트 분류입니다. 순환 신경망
recurrent
neural
network
(
RNN
),
CNN
, 트랜스포머
Transformer
(
16
장 참
조)를 사용해 해결할 수 있습니다.
•
토론 포럼에서 부정적인 코멘트를 자동으로 구분하기 : 역시 텍스트 분류 작업입니다.
NLP
도구를 사용합
니다.
•
긴 문서를 자동으로 요약하기 : 텍스트 요약이라 불리는
NLP
의 한 분야입니다.
NLP
도구를 사용합니다.
•
챗봇
chatbot
또는 개인 비서 만들기 : 자연어 이해
natural
language