핸즈온 머신러닝 1장 한눈에 보는 머신러닝 - 1.3 애플리케이션 사례
데이터분석 관련 책 `핸즈온 머신러닝 2판`의 1장 1.3절 애플리케이션 사례 요약 및 정리
1. 한눈에 보는 머신러닝
1.1. 머신러닝이란?
1.2. 왜 머신러닝을 사용하는가?
1.3. 애플리케이션 사례
-
텍스트
-
자동으로 뉴스 기사를 분류
-
텍스트 분류 작업, 자연어 처리(natural language processing; NLP) 작업
-
순환 신경망(recurrent neural network; RNN), 합성곱 신경망(convolutional neural network; CNN), 트랜스포머(Transformer)를 사용해 해결
-
-
토론 포럼에서 부정적인 코멘트를 자동 구분하기
-
텍스트 분류 작업
-
자연어 처리(natural language processing; NLP) 도구 사용
-
-
긴 문서를 자동 요약
-
텍스트 요약
-
자연어 처리(natural language processing; NLP) 도구 사용
-
-
챗봇 또는 개인 비서 만들기
-
자연어 이해(natural language understanding; NLU)와 질문-대답(question-answering) 모듈을 포함해 여러가지 자연어 처리(natural language processing; NLP) 컴포넌트 필요
-
-
-
음성/영상
-
생산라인에서 제품 이미지를 분석해 자동 분류
-
이미지 분류 작업
-
일반적으로 합성곱 신경망(convolutional neural network; CNN)을 사용하여 수행
-
-
뇌를 스캔하여 종양 진단
-
시맨틱 분할 작업
-
일반적으로 합성곱 신경망(convolutional neural network; CNN)을 사용하여 이미지의 각 픽셀을 분류
-
-
음성 명령에 반응하는 앱 만들기
-
음성 인식 작업
-
순환 신경망(recurrent neural network; RNN), 합성곱 신경망(convolutional neural network; CNN), 트랜스포머(Transformer)를 사용
-
-
-
기타
-
다양한 성능 지표를 기반으로 회사의 내년도 수익 예측
-
회귀 작업(숫자로 값을 예측)
-
선형 회귀(linear regression)나 다항 회귀(polynomial regression) 모델, 회귀 SVM(support vector machine), 회귀 랜덤 포레스트(random forest), 인공신경망(artificial neural network)과 같은 회귀 모델을 사용해서 해결
-
지난 성능 지표의 시퀀스를 고려한다면 한다면 순환 신경망(recurrent neural network; RNN), 합성곱 신경망(convolutional neural network; CNN), 트랜스포머(Transformer)를 사용
-
-
신용 카드 부정 거래 감지
-
이상치 탐지 작업
-
-
구매 이력을 기반으로 고객을 나누고 각 집합마다 다른 마케팅 전략 계획하기
-
군집(clustering)
-
-
고차원의 복잡한 데이터셋을 명확하고 의미 있는 그래프로 표현
-
데이터 시각화 작업
-
차원축소(dimensionality reduction) 기법 많이 사용
-
-
과거 구매 이력을 기반으로 고객이 관심을 가질 수 있는 상품 추천
-
추천 시스템
-
데이터를 인공 신경망에 주입하고 그 결과물로 상품 추천
-
-
지능형 게임 봇 만들기
-
보통 강화 학습(reinforcement learning; RL)으로 해결
-
-