앞서 살펴본 바와 같이, 모델 성능을 향상시키는 방법은 여러 가지가 있습니다. 여기서는 하이퍼파라미터 튜닝, 차원 축소, 앙상블 메서드를 중심으로 학습했습니다.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 챕터에서는 머신 러닝의 정의와 데이터 과학 및 인공 지능과의 관계를 알아봅니다. 그런 다음, 머신 러닝의 주요 용어를 살펴보고 모델 구축을 위한 머신 러닝 워크플로로 마무리합니다.
머신 러닝의 기초를 익혔으니, 이제 조금 더 깊이 들어가 볼까요? 이 챕터를 마치면 머신 러닝의 다양한 유형을 이해하고 모델을 평가하고 개선하는 방법도 알 수 있게 됩니다.
현재 연습
이 챕터에서는 신경망을 시작으로 딥러닝을 자세히 살펴볼 예정입니다. 그런 다음, 딥러닝의 두 가지 주요 사용 사례인 컴퓨터 비전과 자연어 처리를 더 깊이 들여다봅니다. 마지막으로 머신 러닝의 한계와 위험성을 논의하며 과정을 마무리합니다.
