기계 학습

Wolfram 언어는 초보부터 전문가까지 모두에게 완벽한 기계 학습 도구입니다.

분류기

내장된 분류기

프로젝트에 기계 학습을 사용하기 위해서 전문가가 될 필요는 없습니다. Wolfram 언어에는 훈련을 마친 즉시 사용 가능한 분류기 함수가 포함되어 있어, 편리하고 흥미로운 작업을 즉시 수행할 수 있습니다.

In[•]:=
Out[•]=

Wolfram 언어에는 텍스트, 이미지 등에 적용할 수 있는 광범위한 훈련된 분류기가 포함되어 있습니다.

훈련된 분류기 목록 보기

사용자 정의 분류기 구축

함수 Classify를 사용하면 시간을 많이 절약할 수 있습니다. Classify는 소수의 예에서 분류 작업을 학습하여 데이터를 분류하는 가장 좋은 방법을 자동으로 찾습니다.

예를 들어 휴가에서 찍은 1000장의 사진에 사람이 포함되어 있는지 라벨을 지정해야 한다고 가정합니다. 이 모든 작업을 수동으로 수행하면 시간이 꽤 걸립니다. 하지만, Classify를 사용하면 수작업으로 라벨을 붙인 단 20장에서 인물이 포함된 사진과 포함되지 않는 사진을 구별하는 것을 자동으로 학습하여 1초 이내에 나머지 사진을 분류할 수 있습니다:

In[•]:=
Out[•]=

방금 만든 ClassifierFunction을 아직 시험해 보지않는 새로운 이미지로 테스트 해봅니다:

In[•]:=
Out[•]=

신경망

사전 구축된 신경망

Wolfram Neural Net Repository에는 대부분의 일반적인 작업에 그대로 즉시 구현할 수 있는 신경망이 포함되어 있어 프로젝트에 무료로 사용할 수 있습니다. 흥미로운 예로, CycleGAN 네트워크를 호출하고 이미지를 고흐의 화풍 스타일로 변경합니다:

In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=

Wolfram Neural Net Repository에서 100개 이상의 사용 가능한 신경망 목록을 모두 확인하세요

사용자 정의 신경망

Wolfram 언어는 NetTrain, NetChain과 같은 하이 레벨의 구조가 있으며 프로토타입과 고급 신경망 또한 신속하게 구축할 수 있는 훌륭한 도구를 갖추고 있습니다.

손실을 명시적으로 계산하는 넷을 구축합니다:

In[•]:=
Out[•]=

넷을 초기화하고 입력에서 평가합니다:

In[•]:=

In[•]:=
Out[•]=

이 예는, NetTrain을 사용하여 신경망을 훈련시킵니다. 진행 상황 창을 통해 훈련 결과를 실시간으로 확인할 수 있습니다.

넷을 수동으로 구축하고 무작위 매개 변수로 초기화합니다:

In[•]:=
Out[•]=

값의 집합으로 평가합니다:

In[•]:=
Out[•]=
In[•]:=

넷을 몇 번 훈련하고 모델에 얼마나 맞는지 실시간으로 확인합니다:

In[•]:=

넷의 결과가 기호 계산 결과에 가깝습니다:

In[•]:=
Out[•]=
In[•]:=
Out[•]=

사용 시작하기

학습 리소스

학습 경로

지금 사용해 보고 나중에 배우세요

지금 시도해 보고싶지 않으신가요? 기계 학습에 초점을 맞춘 실제 코드 예제를 사용하여 Wolfram 언어를 경험해 보세요.

지금 시도해 보기! 무료 Wolfram Cloud 계정으로 접근 가능
Wolfram 언어 무료 인증 받기

Wolfram 언어는 자신의 페이스에 맞춰 배울 수 있습니다. 무료 인터랙티브 코스를 수강하고 인증을 받으세요.

지금 인터랙티브 온라인 코스 시작하기! 코스 종료까지 약 7시간 소요
지금 바로 시작하기! 무료 Wolfram Cloud 계정으로 접근 가능
지금 인터랙티브 온라인 코스 시작하기! 코스 종료까지 약 7시간 소요

기계 학습을 보다 심도있게

기계 학습을 더 깊이 배우고 싶으신가요?

Wolfram 기술을 사용하여 기계 학습 분야에서 무엇을 할 수 있는지 알고 싶다면 Wolfram 기계 학습에 대한 가이드 페이지를 참조합니다:

  • 개요
  • 문서 및 전문화된 함수
  • 사전 훈련된 신경망
  • 다운로드 가능한 예제
  • 온라인 클래스 및 기타 리소스
자세히 보기

추천 제품