Teachable Machine

Teachable Machine

 

Teachable Machine

 

이 사이트를 이용하여 이미지, 오디오, 포즈에 대한 데이터를 컴퓨터에게 학습시킬 수 있습니다.

이 화면은 이미지를 컴퓨터에게 학습시키는 기능이 모여있는 페이지입니다.

class  - 서로 연관된 사진들을 모아서 거기에 이름을 붙인 것이라는 의미에서 분류로 해석한다.

첫번째 클래스에는 손톱을 깨물고 있는 데이터를 찍습니다.(웹캠 눌러서 촬영)

두번째 클래스는 평소 모습을 찍습니다.

 

이렇게 학습할 교재를 만들고

모델학습시키기 버튼을 클릭합니다.( 기계에게 실제로 학습 시키는 단계)

 

자료가 부족할 경우 정확한 판단력을 가질수 없을수도 있습니다.

부정확한 자료가 있을 경우 삭제해줍니다.

 

기계는 여러 사진을 보고 어떤 사진이 손톱 클래스에 속한 사진이고 평소 사진인지를 학습합니다.

학습이 끝나면 미리보기에서 테스트 합니다.

손톱을 물고 있을 경우 손톱 수치가 높아지고

손톱을 물고 있지 않을 경우 평소 수치가 높습니다.

 

손이 나와있지 않은데 손톱 수치가 올라가있습니다. 이럴 경우 손톱 클래스 목록에 해당하는 이미지가 있다면 

부정확한 이미지이므로 제거하고 다시 학습시킵니다.

 

사람이 학습하듯이, 기계를 학습시켜서 정확한 판단력을 갖게 한다는 점에서

우리는 이 기술을 기계학습(Machine Learning)이라고 부릅니다.

 

이 판단력(모델)을 다운로드하여 내보내기 합니다.

모델 내보내기 클릭

모델 다운로드 - 압축 풀기

 

압축 풀면

weights.bin, model.json, metadata.json  세개의 파일이 있는데 이 파일들이 우리가 학습 시킨 판단력(모델) 입니다.

이 파일에 담겨 있는 판단력(모델)이 머신러닝의 핵심입니다.

 

이 파일만 있다면 세상의 모든 컴퓨터가 손톱물고 있는 모습과 평소모습을  구분할 수 있는 판단력(모델)을 갖게 됩니다.

 

모델이란?

 

모델 = 데이터를 보고 규칙을 학습한 프로그램

사람이 데이터를 하나하나 보고 규칙을 정하는 것이 아니라,
머신러닝에서는 컴퓨터가 데이터를 학습해서 규칙을 찾아냅니다.

 

예를 들어 집값 예측을 한다면

 

집 크기	방 개수	집값
50㎡	2개	2억
70㎡	3개	3억
100㎡	4개	5억
120㎡	4개	6억

 

컴퓨터에게 이 데이터를 학습시키면,  "집이 클수록 집값이 높아지는 경향이 있구나."

라는 규칙을 찾아냅니다.

이렇게 데이터를 학습해서 만들어진 것이 모델입니다.

이 과정을 통해서 갖게된 판단 능력을 교훈이라 부르고, 교훈 덕분에 경험해 보지 않아도 그 결과를 예측 (추측)할 수 있습니다.

그래서 추측덕분에 집크기와 방개수를 보고 집값을 예측할 수 있습니다.

 

과학자들은 현상을 관찰합니다. 그리고 그 현상을 설명할 수 있는 이유를 추측하는데 이를 가설이라고 합니다.

그리고 가설을 검증하기 위해 여러가지 실험을 하고 실험결과가 도출된 후에 가설의 모순이 없다면 이론으로 인정됩니다.

 

그래서 교훈과 이론은 판단력(모델)의 다른 이름이라고 볼수도 있습니다.

 

머신러닝이란 이러한 판단력을 기계에게 부여하는 기술이라고 볼수 있습니다.

 

머신러닝을 만든 사람들은 이런 판단력을 모델이라고 부르기로 했고,

 이 모델을 만드는 과정을 학습이라고 부르기로 했습니다.

모델을 잘 만들면 좋은 추측을 할 수 있게 됩니다.

학습이 잘 되어야 좋은 모델을 만들고, 모델이 좋아야 더 좋은 추측을 할 수 있습니다.

 

 

용어	쉽게 말하면
데이터	공부할 문제/자료
학습	데이터를 보고 공부하는 과정
모델	공부를 끝내고 만들어진 규칙
예측	모델에게 새로운 문제를 풀게 하는 것

 

"머신러닝 모델은 학습 데이터를 이용해서 패턴과 규칙을 찾아내고, 새로운 데이터에 대해 예측할 수 있도록 만들어진 결과물이다."