Storage Gonie

# ML에서의 기대하던 것과 현실의 차이(ML Surprise)[ML에서의 기대하던 것과 현실의 차이]- 대부분의 사람들이 ML알고리즘을 최적화 하는 데에만 집중하는 경향이 있어서 hyper parameter를 조정하는 것에 힘쓰는 것을 봐왔다.- 하지만 실제 큰 성공을 거둔경우를 보면 위의 내용과 좀 다르다.- 실제로 ML 알고리즘을 최적화 하는데는 훨씬 더 적은 노력이 소모된다.- 이보다 중요한 것은 데이터 수집이고 이에 세심한 주의를 기울여야 한다.- 그리고 인프라를 구축하는데도 시간을 들여야 한다.- 모델을 여러번 자동으로 훈련하고, 최종 사용자들에게 규모에 맞게 서비스를 제공할 수 있도록 하는 것이기 때문이다.- ML은 생각보다 그렇게 중요하지 않지만 ML에 도달하려고 하는 이유는 이 길을 따라..

# AI와 ML의 차이(What it means to be AI first)- AI는 인간같이 행동하고 생각하는 기계를 만드는 방법과 이론을 다루는 분야를 의미한다.- ML은 특정 AI문제를 풀기위한 도구집합을 의미하며, 다른 기술과 비교되는 차이점로 기계가 지능이 없는상태에서 시작하여 학습을 통해 지능적이 되는 것이다. # ML은 두 단계로 구현된다(Two stage of ML)- 여기서 집중하게될 ML의 form은 지도학습(supervised learning)이다.- 아래의 예시는 이미지를 보여주면 그 이미지가 무엇인지 식별하는 ML모델을 훈련시키는 예시이다. - examples로 ML모델을 훈련시킨다. - examples은 input(이미지의 픽셀)과 label(정답)으로 이루어져 있다. - ML모..

# 전체 커리큘럼 소개 (Intro to ML on GCP Specialization) # 구글은 어디에 머신러닝을 적용하고 있는가? (Specialization Agenda)- 구글은 자신들의 거의 모든 상품에 머신러닝을 적용한다.- Google photo(이미지 자동 분류), Google ads(사용자 맞춤 광고), Youtube(다음 동영상 추천), Self-driving cars(보행자 감지), Gmail(스팸메일 분류) # 구글에서 각 분기별 생성한 ML 모델 수 (Why Google?) - 2017년 초 4000개 이상의 Tensorflow 모델을 구글의 제품에 적용한 상태.- 우리는 앞으로 구글이 적용한 기술을 배울 예정. # 구글 클라우드를 사용할 때의 장점 (Why Google Cloud..