Page 196 - 데이터과학 무엇을 하는가? 전자책

시대별 주요 기계학습 발전 및 활용 추

Vapnlk
Freund, Schapire
J. R. Quinlan
Breiman
Linnalnmaa 1970
Werbos
인기도 SVM 서포트 터 신
Random Forests
포레스트
Rosenbiatt-1958 Minksy-1969 LeCun 의사 결정 나 AdaBoost 응용 부스팅
Decision tree
Perceptron large scale
인지
Rumelhart, Hinton, Willianms
Perceptron

인지 Hetch, Nielsen Hochreiter et, al. Deep Learning
neural networks J. Schmidhuber Hinton, Bengio
신 IDSIA LeCun, Andrew Ng.
1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015

과거 대부분의 알고리즘이 지도학습(Super- ▶지도학 : 련 데이터
( inin t )로부터 하나
vised Learning) 위주로 개발된 것에 비해 러 의 함수를 유추해 내기 위
한 기계학 의 한 방법이다,
은 자율학습(Unsupervised) 데이터들을 선행학 련 데이터는 일반적으로
입력 객체에 대한 속성을
습(Pre-training)을 먼저 하고 다시 분류하는 방
터 형태로 포함하고 있으며
식으로 다 신경망을 기초로 한다. 주로 영상 각각의 터에 대해 원하는
과가 무 인지 표시되어
및 이미지 검색이나 음성 인식에 구글과 페이 있다 - 출처 위키 과.
▶자율학 : 기계학 의 일
스 같은 회사들이 사용하고 있다. 선행학습 종으로, 데이터가 어 게 구
성되 는지를 알아내는 문제
을 위해 대용량의 데이터가 필요한 알고리즘이 의 범주에 속한다. 이 방법
은 지도학 은 강화학
라 빅데이터 기술이 획기적으로 기여한 영역이 ( ein o e ent e nin )과
는 달리 입력 에 대한 목표
기도 하다. 기계학습 또는 분석 알고리즘을 사
치가 주어지지 않는다 - 출
처 위키 과.
용할 때 중요하게 고려해야 할 것은 정확도(예
측력), 실행 속도(run time), 변수 간 인과관계에 대한 모델의 설명력, 그리

194