머신러닝은 오늘날 기술의 화두이며 날이 갈수록 매우 빠르게 성장하고 있습니다. 우리는 Google 지도, Google 어시스턴트, Alexa 등 자신도 모르게 일상 생활에서 기계 학습을 사용하고 있습니다. 다음은 기계 학습의 가장 인기 있는 실제 응용 프로그램입니다.
1. 이미지 인식:
이미지 인식은 기계 학습의 가장 일반적인 응용 프로그램 중 하나입니다. 사물, 사람, 장소, 디지털 이미지 등을 식별하는 데 사용됩니다. 이미지 인식 및 얼굴 인식의 널리 사용되는 사례는, 자동 친구 태그 제안 :
Facebook은 자동 친구 태그 제안 기능을 제공합니다. Facebook 친구들과 사진을 업로드할 때마다 자동으로 이름이 포함된 태그 제안을 받게 되는데, 그 뒤에 있는 기술은 머신러닝입니다. 얼굴 인식 그리고 인식 알고리즘 .
'라는 Facebook 프로젝트를 기반으로 합니다. 깊은 얼굴 ,'는 사진 속 얼굴 인식과 인물 식별을 담당한다.
2. 음성인식
Google을 사용하는 동안 ' 음성으로 검색 ,' 음성 인식이 적용되며 기계 학습의 인기 있는 응용 프로그램입니다.
음성인식은 음성지시를 텍스트로 변환하는 과정으로 '인식'이라고도 한다. 음성을 텍스트로 ', 또는 ' 컴퓨터 음성 인식 .' 현재 기계 학습 알고리즘은 음성 인식의 다양한 응용 분야에서 널리 사용되고 있습니다. 구글 어시스턴트 , 시리 , 코타나 , 그리고 알렉사 음성 인식 기술을 사용하여 음성 지시를 따릅니다.
리눅스는
3. 교통 예측:
새로운 장소를 방문하고 싶을 때, 우리는 가장 짧은 경로로 정확한 경로를 보여주고 교통 상황을 예측하는 Google 지도의 도움을 받습니다.
다음 두 가지 방법을 통해 교통 정체 여부, 느린 속도, 심한 정체 여부 등의 교통 상황을 예측합니다.
Google 지도를 사용하는 모든 사람이 이 앱을 개선하는 데 도움을 주고 있습니다. 성능을 향상시키기 위해 사용자로부터 정보를 가져와 데이터베이스로 다시 보냅니다.
4. 제품 추천:
머신러닝은 다음과 같은 다양한 전자상거래 및 엔터테인먼트 회사에서 널리 사용됩니다. 아마존 , 넷플릭스 , 등을 통해 사용자에게 제품을 추천합니다. Amazon에서 일부 제품을 검색할 때마다 동일한 브라우저에서 인터넷 서핑을 하는 동안 동일한 제품에 대한 광고를 받기 시작했는데 이는 기계 학습 때문입니다.
구글은 다양한 머신러닝 알고리즘을 이용해 사용자의 관심을 파악하고, 고객 관심에 맞는 제품을 제안합니다.
마찬가지로 Netflix를 사용할 때 엔터테인먼트 시리즈, 영화 등에 대한 몇 가지 추천을 찾는데 이 역시 머신러닝의 도움으로 수행됩니다.
5. 자율주행차:
머신러닝의 가장 흥미로운 응용 분야 중 하나는 자율주행차입니다. 머신러닝은 자율주행차에서 중요한 역할을 합니다. 가장 인기 있는 자동차 제조 회사인 Tesla는 자율주행차를 개발하고 있습니다. 운전 중에 사람과 물체를 감지하도록 자동차 모델을 훈련시키기 위해 비지도 학습 방법을 사용하고 있습니다.
6. 이메일 스팸 및 악성 코드 필터링:
새 이메일을 받을 때마다 자동으로 중요, 일반, 스팸으로 필터링됩니다. 우리는 항상 중요한 기호가 포함된 받은 편지함과 스팸함의 스팸 이메일을 수신하는데, 이를 뒷받침하는 기술이 바로 머신러닝입니다. 다음은 Gmail에서 사용되는 스팸 필터입니다.
- 콘텐츠 필터
- 헤더 필터
- 일반 블랙리스트 필터
- 규칙 기반 필터
- 권한 필터
다음과 같은 일부 기계 학습 알고리즘 다층 퍼셉트론 , 의사결정 트리 , 그리고 나이브 베이즈 분류기 이메일 스팸 필터링 및 맬웨어 탐지에 사용됩니다.
7. 가상 개인 비서:
우리는 다음과 같은 다양한 가상 개인 비서를 보유하고 있습니다. 구글 어시스턴트 , 알렉사 , 코타나 , 시리 . 이름에서 알 수 있듯이 음성 안내를 사용하여 정보를 찾는 데 도움이 됩니다. 이러한 비서는 음악 재생, 전화 걸기, 이메일 열기, 약속 예약 등과 같은 음성 안내만으로 다양한 방법으로 우리를 도울 수 있습니다.
이러한 가상 비서는 기계 학습 알고리즘을 중요한 부분으로 사용합니다.
이 보조자는 우리의 음성 지시를 녹음하고 이를 클라우드의 서버를 통해 전송하며 ML 알고리즘을 사용하여 디코딩하고 그에 따라 행동합니다.
8. 온라인 사기 탐지:
기계 학습은 사기 거래를 감지하여 온라인 거래를 안전하게 만듭니다. 당사가 온라인 거래를 수행할 때마다 다음과 같은 사기 거래가 발생할 수 있는 다양한 방법이 있을 수 있습니다. 가짜 계정 , 가짜 신분증 , 그리고 돈을 훔치다 거래 도중. 따라서 이를 감지하려면 피드포워드 신경망 실제 거래인지, 사기 거래인지 확인하여 도움을 드립니다.
각각의 실제 거래에 대해 출력은 일부 해시 값으로 변환되고 이 값은 다음 라운드의 입력이 됩니다. 각각의 실제 거래에는 사기 거래를 변경하는 특정 패턴이 있으므로 이를 감지하여 온라인 거래를 더욱 안전하게 만듭니다.
9. 주식시장 거래:
머신러닝은 주식 시장 거래에 널리 사용됩니다. 주식 시장에서는 주가가 오르락내리락할 위험이 항상 존재하므로 이 머신러닝의 경우 장단기 기억 신경망 주식시장 동향을 예측하는 데 사용됩니다.
10. 의학적 진단:
의학에서는 질병 진단에 머신러닝이 사용됩니다. 이를 통해 의료 기술은 매우 빠르게 성장하고 있으며 뇌 병변의 정확한 위치를 예측할 수 있는 3D 모델을 구축할 수 있게 되었습니다.
뇌종양 및 기타 뇌 관련 질환을 쉽게 찾는 데 도움이 됩니다.11. 자동 언어 번역:
요즘에는 새로운 장소를 방문했는데 그 언어를 모른다면 전혀 문제가 되지 않습니다. 이 경우에도 기계 학습이 텍스트를 알려진 언어로 변환하여 도움을 주기 때문입니다. Google의 GNMT(Google Neural Machine Translation)가 제공하는 이 기능은 텍스트를 우리에게 친숙한 언어로 번역하는 신경 기계 학습(Neural Machine Learning)이며 이를 자동 번역이라고 합니다.
자동 번역 뒤에 숨은 기술은 이미지 인식과 함께 사용되어 한 언어에서 다른 언어로 텍스트를 번역하는 시퀀스 대 시퀀스 학습 알고리즘입니다.