[음악] 제가 기계학습을 꽤 오랫동안 해왔는데 지금은 기계학습을 하기 아주 좋은 시기입니다 우리가 그 영향력을 이제야 체험하고 있기 때문이죠 제가 기계학습 공부를 시작할 때만 해도
이렇지 않았습니다 불과 몇 년 전만 해도 기계학습이란 건 꽤 달랐죠 작은 데이터 세트나 데이터를 가지고 뭔지 모를 기계학습 알고리즘에 넣어준 다음 내 곡선(그래프)이 다른 사람 곡선보다 낫다면서 기계학습 학회에 논문을 제출하곤 했죠 제가 아는 기계학습이란 그랬습니다 하지만 제가 이 분야에 뛰어든 이유는 아니었죠 왜 뛰어들었냐고요? 전 어릴 적에 책을 많이 읽었습니다 SF 소설도요 저는 세계에 대해 고찰하고 사물에 대해 추론하는 아주 똑똑한 로봇을 만들고 싶었습니다 오늘날 지능형 애플리케이션이라 부르는 것 말이죠 최근 들어 멋지고 흥분되는 일은
이런 지능형 애플리케이션의 영향력이 날로 커지고 있다는 것입니다,
기계학습을 써서요 실제로 여러 산업 분야에서
성공을 이룬 회사를 보십시오 파괴적이라 불리는 회사를 보면
시장을 놓고 완전히 변화시키죠 지능형 애플리케이션으로 차별화하는 경우가 많은데 바로 기계학습을 핵심으로 하는 것이죠 예를 들어 초기 시절 아마존은 자사 웹사이트에 상품추천을 도입함으로써 유통업계를 초토화시켰죠 구글은 기계학습의 힘을 빌린 타겟팅 광고로 사람들이 뭘 클릭할지 알아내
광고 시장을 초토화시켰습니다 영화 유통 회사인 넷플릭스는 영화 소비 방식을 바꿨습니다 이제 아무도 가게로 가서 영화를 빌리지 않죠 웹으로 가서 스트리밍으로 봅니다 넷플릭스가 완전히 바꿔버린 것이죠 그 중심에는 추천 시스템이 있어 수 천 개의 영화 중 내가 좋아하는 게 뭔지 찾아줍니다 판도라 같은 회사를 보면 음악 추천 시스템으로 내가 좋아하는 음악을 찾아주죠 아침에 졸린 눈을 비비고 일어날 때나 밤에 잠이 들기 전 다른 음악을 찾아 들려주죠 꽤 적절한 음악을 찾아줍니다 다양한 분야, 다양한 곳에서 비슷한 걸 보게 됩니다 페이스북은 나와 친구가 될만한 사람을 연결해주죠, 심지어 우버 같은 회사는 운전사와 승객 사이의
실시간 연결을 최적화함으로써 택시 업계를 초토화시키고 있습니다 이 모든 분야에서 기계학습은 핵심 기술이며 이 회사들의 상품을 특별하게 만들어 줍니다 이 특화과정에선 기계학습을 여러 측면에서 살펴보고 이러한 지능형 애플리케이션을
만들 수 있도록 도와줍니다 파이프라인을 계속해서 보게 될 텐데 데이터에서 시작해서 데이터에 대한 새로운 분석을 가능하게 하는 기계학습법을 도입합니다 이런 분석은 지능을 가져다주죠 지금 어떤 상품을 살지 알아내는 지능 말입니다 이제 이 파이프라인을 가지고 다양한 설정과 다양한 응용, 여러 알고리즘을 거치면서 서로 어떻게 연결되는지 이해하면 당신만의 똑똑한 지능형 애플리케이션을
만들 수 있게 될 것입니다. [음악]