기계 학습을 사용해야 하는 경우

ML이 모든 유형의 문제에 대한 해결책이 아니라는 점에 유의하세요. ML 기법을 사용하지 않고도 강력한 솔루션을 개발할 수 있는 경우도 있습니다. 예를 들어, 데이터 기반 학습 없이 프로그래밍할 수 있는 간단한 규칙, 계산 또는 미리 정해진 단계를 사용하여 대상 값을 결정할 수 있다면 ML은 필요하지 않습니다.

기계 학습은 다음과 같은 상황에 사용합니다.

• 규칙을 코딩할 수 없는 경우: 이메일이 스팸인지 스팸이 아닌지 인식하는 것과 같은 많은 인간 작업은 간단한 (결정론적) 규칙 기반 솔루션으로는 적절하게 해결할 수 없습니다. 답변에 여러 가지 요인이 영향을 미칠 수 있습니다. 규칙이 너무 많은 요소에 의존하고 이러한 규칙 중 많은 부분이 겹치거나 매우 세밀하게 조정해야 하는 경우 사람이 규칙을 정확하게 코딩하기가 곧 어려워집니다. ML을 사용하면 이 문제를 효과적으로 해결할 수 있습니다.

• 확장할 수 없는 경우: 수백 개의 이메일을 수동으로 인식하여 스팸 여부를 판단할 수 있을 수도 있습니다. 그러나 수백만 개의 이메일에서 이 작업은 지루한 작업이 됩니다. ML 솔루션은 대규모 문제를 처리하는 데 효과적입니다.