기계 학습 책
===================
머신 러닝 온라인 서적
===============
기계 학습은 컴퓨터가 명시적으로 프로그래밍하지 않고도 학습하고 예측이나 결정을 내릴 수 있도록 하는 알고리즘 및 모델 개발에 중점을 둔 인공 지능(AI)의 한 분야입니다. 각 작업에 대해 명시적으로 프로그래밍하지 않고도 경험을 통해 자동으로 학습하고 개선할 수 있는 계산 시스템을 개발하는 것과 관련이 있습니다.

기계 학습 알고리즘은 대량의 데이터를 분석 및 해석하고, 패턴을 식별하고, 이러한 패턴을 기반으로 예측하거나 조치를 취하도록 설계되었습니다. 이러한 알고리즘은 통계 모델링, 패턴 인식 및 최적화와 같은 다양한 기술을 사용하여 레이블이 지정된 데이터(알려진 결과가 있는 데이터)와 레이블이 지정되지 않은 데이터(알려진 결과가 없는 데이터) 모두에서 학습할 수 있습니다.

기계 학습 프로세스에는 일반적으로 다음 단계가 포함됩니다.

데이터 수집: 입력 기능과 원하는 출력을 모두 포함하여 당면한 문제에 대한 관련 데이터를 수집합니다.

데이터 전처리: 학습 알고리즘에 대한 품질과 적합성을 보장하기 위해 데이터를 정리, 변환 및 정규화합니다.

모델 선택: 문제 유형, 사용 가능한 데이터 및 원하는 결과를 기반으로 적절한 기계 학습 모델 또는 알고리즘을 선택합니다.

교육: 레이블이 지정된 데이터를 선택한 모델에 공급하고 내부 매개변수를 조정하여 교육 데이터에 대한 성능을 최적화합니다.

평가: 정확도와 일반화 능력을 측정하기 위해 별도의 데이터 세트(테스트 세트)에서 훈련된 모델의 성능을 평가합니다.

미세 조정: 하이퍼 매개변수를 조정하거나, 추가 데이터를 통합하거나, 성능을 향상시키기 위해 다른 알고리즘을 시도하여 모델을 반복적으로 미세 조정합니다.

배포: 학습된 모델을 실제 데이터에 적용하여 보이지 않는 새로운 입력을 기반으로 예측하거나 조치를 취합니다.

기계 학습은 이미지 및 음성 인식, 자연어 처리, 추천 시스템, 사기 탐지, 자율 주행 차량, 의료, 금융 등을 포함한 다양한 분야에서 응용 프로그램을 찾았습니다. 대규모 데이터 세트의 가용성, 향상된 계산 능력, 딥 러닝과 같은 알고리즘 및 기술의 발전에 힘입어 빠르게 발전하고 있습니다.