WEBVTT
Kind: captions
Language: ko

00:00:00.000 --> 00:00:04.319
머신러닝이란?
경험을 통해 학습하고

00:00:04.319 --> 00:00:06.299
경험을 통해 하는 일을 더 잘할 수 있게 되는 것은

00:00:06.299 --> 00:00:07.319
인간의 중요한 요소 중 하나죠.

00:00:07.319 --> 00:00:09.330
갓 태어났을 때는 아는 것도 거의 없고

00:00:09.330 --> 00:00:11.219
할 줄 아는 것도 별로 없지만

00:00:11.219 --> 00:00:13.320
곧 이것저것 배우고 깨닫고

00:00:13.320 --> 00:00:15.990
점점 할 수 있는 것이 늘어나죠.

00:00:15.990 --> 00:00:18.990
하지만 컴퓨터도 인간처럼 학습을 할 수 있답니다.

00:00:18.990 --> 00:00:20.640
머신러닝은 통계학과 컴퓨터공학을 활용해

00:00:20.640 --> 00:00:22.680
컴퓨터가 스스로 어떤 작업을 수행하는 방법을 배우게 되죠.

00:00:22.680 --> 00:00:24.449
컴퓨터가 스스로 어떤 작업을 수행하는 방법을 배우게 되죠.

00:00:24.449 --> 00:00:27.180
규칙을 일일이 코드로 구현하지 않아도 말입니다.

00:00:27.180 --> 00:00:29.640
우리의 뇌가 경험을 통해 일처리 능력을 발전시키듯

00:00:29.640 --> 00:00:33.030
컴퓨터도 경험을 통해 주어진 일의 능률을 향상시킬 수 있죠.

00:00:33.030 --> 00:00:34.590
예를 들어 컴퓨터에게 개의 사진과 고양이의 사진을 구별할 수 있도록 가르쳐보죠.

00:00:34.590 --> 00:00:36.360
예를 들어 컴퓨터에게 개의 사진과 고양이의 사진을 구별할 수 있도록 가르쳐보죠.

00:00:36.360 --> 00:00:39.300
일단 사진들을 하나하나씩 보여주면서

00:00:39.300 --> 00:00:39.989
일단 사진들을 하나하나씩 보여주면서

00:00:39.989 --> 00:00:42.540
이건 개, 저건 고양이라고 얘기해줍니다.

00:00:42.540 --> 00:00:44.460
학습을 위해 프로그래밍된 컴퓨터는

00:00:44.460 --> 00:00:46.320
데이터 속에서 통계적인 규칙들을 찾아내

00:00:46.320 --> 00:00:48.210
개와 고양이를 구분할 수 있게됩니다.

00:00:48.210 --> 00:00:51.030
개와 고양이를 구분할 수 있게됩니다.

00:00:51.030 --> 00:00:53.190
예를 들어 고양이는 코가 더 작고

00:00:53.190 --> 00:00:55.199
개는 크기가 더 다양하다는 걸 배우고

00:00:55.199 --> 00:00:57.420
그 정보를 수치로 변환해 공간의 좌표로 정리하게 되죠.

00:00:57.420 --> 00:01:00.210
그 정보를 수치로 변환해 공간의 좌표로 정리하게 되죠.

00:01:00.210 --> 00:01:03.120
하지만 여기서 중요한 건

00:01:03.120 --> 00:01:05.010
프로그래머가 이런 규칙들을 찾아내는 게 아니라

00:01:05.010 --> 00:01:06.960
컴퓨터가 스스로 규칙들을 찾아내서

00:01:06.960 --> 00:01:09.360
미래의 데이터를 분류하는 알고리즘을 만든다는 것입니다.

00:01:09.360 --> 00:01:10.619
예를 들어 공간의 좌표로 표시된 개와 고양이를 나누는 직선을 찾는 방법은

00:01:10.619 --> 00:01:12.869
예를 들어 공간의 좌표로 표시된 개와 고양이를 나누는 직선을 찾는 방법은

00:01:12.869 --> 00:01:15.000
아주 간단하지만 효과적인 알고리즘이죠.

00:01:15.000 --> 00:01:16.890
컴퓨터에게 새로운 사진을 보여주면

00:01:16.890 --> 00:01:18.420
그 사진이 직선의 어느 쪽에 놓여있는지에 따라서 개인지 고양인지 판단하게 되죠.

00:01:18.420 --> 00:01:22.500
그 사진이 직선의 어느 쪽에 놓여있는지에 따라서 개인지 고양인지 판단하게 되죠.

00:01:22.500 --> 00:01:26.549
하지만 물론 컴퓨터가 실수를 할 수도 있죠.

00:01:26.549 --> 00:01:28.049
컴퓨터가 더 많은 양의 데이터를 얻을수록

00:01:28.049 --> 00:01:29.549
더 세밀하게 알고리즘을 조정할 수 있고
더 정확한 예측을 할 수 있게 되죠.

00:01:29.549 --> 00:01:31.470
더 세밀하게 알고리즘을 조정할 수 있고
더 정확한 예측을 할 수 있게 되죠.

00:01:31.470 --> 00:01:34.979
 

00:01:34.979 --> 00:01:37.650
머신러닝은 이미 널리 활용되고 있습니다.

00:01:37.650 --> 00:01:39.840
얼굴 인식

00:01:39.840 --> 00:01:43.259
문자와 음성인식, 스팸메일 자동 분류

00:01:43.259 --> 00:01:45.149
온라인 쇼핑 상품 추천 혹은 동영상 추천

00:01:45.149 --> 00:01:48.270
온라인 쇼핑 상품 추천 혹은 동영상 추천

00:01:48.270 --> 00:01:50.790
신용카드 명의 도용을 비롯한 수많은 분야에 쓰이고 있죠.

00:01:50.790 --> 00:01:52.619
옥스포드 대학에선 머신러닝 연구자들이
통계학과 컴퓨터 공학을 결합하여

00:01:52.619 --> 00:01:54.899
옥스포드 대학에선 머신러닝 연구자들이
통계학과 컴퓨터 공학을 결합하여

00:01:54.899 --> 00:01:56.369
보다 어려운 문제들을 푸는 알고리즘

00:01:56.369 --> 00:01:58.710
보다 어려운 문제들을 푸는 알고리즘

00:01:58.710 --> 00:02:00.960
기존의 문제들을 더 효율적으로 푸는 알고리즘을 개발하는 연구를 하고 있습니다.

00:02:00.960 --> 00:02:01.630
기존의 문제들을 더 효율적으로 푸는 알고리즘을 개발하는 연구를 하고 있습니다.

00:02:01.630 --> 00:02:03.789
의료진단부터 소셜 미디어까지
여러 변화를 일으키고 있는 머신러닝의 잠재력은

00:02:03.789 --> 00:02:06.820
의료진단부터 소셜 미디어까지
여러 변화를 일으키고 있는 머신러닝의 잠재력은

00:02:06.820 --> 00:02:08.560
의료진단부터 소셜 미디어까지
여러 변화를 일으키고 있는 머신러닝의 잠재력은

00:02:08.560 --> 00:02:13.390
그저 놀라울 따름입니다.

00:02:13.390 --> 00:02:15.819
머신러닝에 대해 더 자세히 알고 싶으신 분들은
위 Oxford Sparks 웹사이트를 방문해주시거나

00:02:15.819 --> 00:02:17.890
트위터나 페이스북에서 Oxford Sparks 를 
팔로우 해주시길 바랍니다.

00:02:17.890 --> 00:02:23.340
트위터나 페이스북에서 Oxford Sparks 를 
팔로우 해주시길 바랍니다.