이번 편에서는 지도학습에 대해 알아보겠습니다. 지도학습은 어떤 원인들에 대한 결과를 학습하는 과정입니다. 예를 들어, ‘a, b, c의 값들이 어떻게 변해서 결괏값 d가 나온다’라면 과거에 대한 학습을 통해 새로운 값이 들어올 때, 결괏값이 어떻게 나올지 예측할 수 있게 해줍니다. 그리고 이러한 학습 방법을 구현하기 위해 충분한 데이터를 수집해야 합니다.
회원가입을 하면 원하는 문장을
저장할 수 있어요!
다음
이번 편에서는 지도학습에 대해 알아보겠습니다. 지도학습은 어떤 원인들에 대한 결과를 학습하는 과정입니다. 예를 들어, ‘a, b, c의 값들이 어떻게 변해서 결괏값 d가 나온다’라면 과거에 대한 학습을 통해 새로운 값이 들어올 때, 결괏값이 어떻게 나올지 예측할 수 있게 해줍니다. 그리고 이러한 학습 방법을 구현하기 위해 충분한 데이터를 수집해야 합니다.
이때 데이터는 독립변수와 종속변수를 분리시켜야 하는데요. 결과에 유의미한 변화를 일으키는 변수들을 잘 골라내야 하기 때문이죠. 잘 나눈 독립변수와 종속변수의 관계를 컴퓨터에 학습시키면 컴퓨터는 그 관계를 설명하는 공식을 만들어냅니다. 그 공식을 머신러닝에서는 ‘모델’이라고 부릅니다. 과거엔 이런 공식을 만들기 위해 고도의 실험과 높은 수준의 수학이 필요했지만, 머신러닝이 등장함으로써 소수 엘리트들만의 전유물이었던 ‘모델’을 이제 누구나 만들어 낼 수 있게 되었습니다.
[쉽게 배우는 AI] 시리즈 보러 가기
<원문>
요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
좋아요
댓글
공유
공유
넷마블 QA실에서는 ‘크래시리포트’라는 시스템을 운영하고 있습니다. 크래시리포트는 게임 실행 과정에서 예상치 못한 종료 현상이 발생할 때, 그 상황을 저장한 데이터를 크래시라 합니다. 이러한 크래시리포트 운영용으로 마련한 엣지 서버 클러스터 환경에서는 신규 파드 추가마다 최소 1분 이상 필요했습니다. 게임 사용자가 언제 급증할지 예측할 수 없기에, 스케줄에 맞춘 확장도 적합하지 않았습니다. 또한 서버에 접속하는 클라이언트의 통신 연결 대기 시간은 대략 10~20초로 설정돼 있어서, 신규 파드를 준비하기 위해 소모하는 1분 동안 누락되는 데이터도 늘어날 수밖에 없었습니다.
지금 회원가입하고,
요즘IT가 PICK한 뉴스레터를 받아보세요!
3.4K
