[MLY] 인간이 했을 때의 성능과 비교해야 하는 이유
많은 머신러닝 시스템은 인간이 잘하는 것들을 자동화하는데 목적을 두고 있다. 예를 들어 이미지 인식이나, 음성 인식, 스팸 메일 분류같은 것이 거기에 속한다. 학습 알고리즘은 많이 발전되어서 이제는 인간이 하는 것보다 더 뛰어난 성능을 보여주고 있다. 게다가, 머신러닝 시스템을 만드는 것이 인간이 잘하는 일을 하는 것보다 쉬운 몇가지 이유가 있다. 1. 사람이 라벨링해주는 것으로부터 데이터를 얻어내기 용이해졌다. : 예를 들어 사람이 고양이 이미지를 잘 인식하기 때문에, 사람한테는 학습 알고리즘한테 정확성을 높일 수 있는 라벨을 제공하는 것이 조금더 직관적이다. 2. 오류 분석에 인간의 직감을 가미해본다. : 가령 음성 인식 알고리즘이 사람이 인식하는 것보다 안좋게 동작한다고 가정해보자. "This re..
Study/AI
2018. 9. 27. 12:55
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
TAG
- TensorFlow Lite
- Windows Phone 7
- 딥러닝
- Gan
- End-To-End
- arduino
- 한빛미디어
- reward
- Pipeline
- Kinect SDK
- PowerPoint
- Kinect for windows
- Policy Gradient
- Off-policy
- DepthStream
- Python
- Variance
- processing
- windows 8
- Expression Blend 4
- 파이썬
- SketchFlow
- Offline RL
- 강화학습
- bias
- Kinect
- RL
- Distribution
- dynamic programming
- ColorStream
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |
글 보관함