기계 학습은 최근 큰 주목을 받고 있는 AI , 인공지능 , 딥러닝 등 연구 분야와 깊은 관계가 있습니다.기계 학습은 인간과 동물이 경험을 통해 자연스럽게 학습하는 것을 컴퓨터로 만들려는 데이터 분석 기술입니다. 기계 학습 알고리즘은 주어진 방정식을 모델로 사용하지 않고 데이터에서 직접 정보를 학습하는 컴퓨팅 기술입니다. 알고리즘은 학습에 사용할 수 있는 샘플 수가 증가함에 따라 적응적으로 성능을 향상시킵니다. 빅데이터 가 증가함에 따라 기계 학습은 다음과 같은 분야의 문제를 해결하기 위한 중요한 기술이 되고 있습니다. 금융 공학에서는 수리 금융 및 기계 학습 기술을 사용하여 거래, 위험 회피, 투자 및 위험 관리에 대한 의사 결정을 지원합니다. 금융 공학은 판매자 측의 금융 상품에 대한 가격, 평가 및 위험 분석과 관련하여 기계 학습과 관련이 있습니다. 구체적인 기계 학습의 활용 사례로 은행, 헤지 펀드, 자산 운용 회사의 연구자, 쿼츠, 분석가가 금융 상품 가격 책정, 금리 분석, 수익률 곡선 작성 및 분석, 확률적 변동성 모델 분석 등을 들 수 있습니다. 특히 알고리즘 거래에 대해서도 기계 학습이 사용되고 있습니다. 알고리즘 거래에서는 전자 금융 시장에서 자동으로 주식 매매 주문의 타이밍과 수량을 결정하고 주문을 반복하는 알고리즘을 사용하여 거래를 결정합니다. 판매자와 구매자 모두에 적용할 수 있는 알고리즘 거래는 고속 거래, 고주파 거래, 환율 거래 및 관련 위험과 실행 분석의 기반을 형성합니다. 얼굴 인식, 움직임 감지, 물체 감지등 카메라 등으로 가져온 디지털 이미지에서 의도한 정보를 꺼내기 위해 처리가공을 하기 위해 기계 학습이 응용됩니다. 정보를 꺼내는 화상 해석과 그 해석을 용이하게 하기 위해서 실시하는 전처리를 맞추어 가리키는 것이 일반적입니다. 이미지 처리 는 노이즈를 제거하고 깨끗한 이미지를 출력하는 것 외에도 최근에는 컴퓨터에서 특정 물체를 찾는 이미지 인식의 활용이 증가하고 있습니다. 인간의 시각에 의한 직관적인 판단을 컴퓨터가 할 수 있게 되는 것으로 지금까지 사람에 의한 육안 검사에 의지하고 있던 생산 라인에서의 외관 검사 등을 컴퓨터에 의한 화상 검사로 옮겨놓는 움직임이 진행되고 있습니다. 그 응용은 의료 화상, 얼굴 인식, 문자 인식 (OCR) 등의 보다 고도의 대상으로 퍼지고 있으며, 로봇 산업의 시장 확대의 경향에서 로봇의 눈(화상 센서)으로서 동체 검출 이나 3차원 화상 처리 를 취급하는 컴퓨터 비전이라는 연구 분야로 발전하고 있습니다. 의료진단등의 생명과학과 헬스케어 분야에서는 다양한 데이터가 대규모로 축적됨으로써 기계 학습의 적용 범위가 넓어지고 있다고합니다. 주로 의료진단, 병리화상해석, 종양적출, 창약 표적 동정, 신약 분자 설계, 화장품 개발 등에 있어서 기계 학습을 활용한 의료등에서 활약이 넓어지고 있다고합니다. 에너지를 생산하는 전력 회사의 경우 비용을 최소화하고 운영 효율성과 신뢰성을 최적화하기 위해 정확한 전력 수요 예측 이 필수적이라 기계 학습 기술을 사용하여 모델링을 통한 전력 수요 예측을 수행할 수 있다고합니다. 자동차나 항공우주 그리고 제조업, 전력, 가스 현장의 경우 고장이 발생하기 전에 적절한 타이밍에 유지보수를 실시하여 비용을 최적화하는 점에서도 기계 학습의 기술을 응용 가능하며 이를 예지 보전 (Predictive Maintenance)이라 한다고합니다. 일반적으로 기계의 유지보수는 고장이 발생한 후에 실시하는 사후관리나 일정기간 경과한 후에 정기적으로 유지보수를 실시하는 예방관리가 있겠습니다. 인간의 언어를 기계 학습을 사용하여 처리합니다. 평상시 회화에 사용되는 말씀부터 문장과 논문과 같은 글쓰기까지를 자연 언어의 대상으로서 그 말이 가지는 의미를 해석해 단어의 의미의 분류등을 실시합니다. 자연 언어 처리 기술을 사용하여 문의에 대응하는 채팅봇 등의 사례가 있습니다. 머신 러닝에서는 데이터가 많을수록 더 나은 답변을 도출합니다. 기계 학습 알고리즘은 데이터에서 자연스러운 패턴을 찾아 거기에서 통찰력을 만들어 더 나은 의사 결정과 예측을 수행하는 데 도움을 줍니다. 이들은 의료 진단, 주식 거래, 에너지 부하 예측과 같은 중요한 결정을 내리는 데 매일 사용됩니다. 예를 들어 미디어 포털은 기계 학습을 활용하여 수백만 가지 옵션에서 추천 노래와 영화를 제공합니다. 소매업체는 고객의 구매 행동으로부터 통찰력을 얻기 위해 기계 학습을 사용합니다.
댓글