Return to Video

01_Definition of ML

  • 0:00 - 0:01
    안녕, 마이클
  • 0:01 - 0:02
    안녕 찰리, 잘 지냈어요?
  • 0:02 - 0:04
    네 잘 지냈어요. 잘 지냈죠?
  • 0:04 - 0:05
    네, 그럼요.
  • 0:05 - 0:08
    좋아요. 오늘은 우리가
  • 0:08 - 0:10
    머신러닝의 철학에 대해서 이야기를 해보려 해요.
  • 0:10 - 0:12
    아, 저는 철학을 싫어하는데요.
  • 0:12 - 0:15
    저도 박사 학위자 이지만, 철학을 좋아하지는 않아요.
  • 0:15 - 0:16
    오, 그건 놀랍네요.
  • 0:16 - 0:17
    그쪽도 박사 아니세요?
  • 0:17 - 0:18
    맞아요. 굉장히 놀랍네요.
  • 0:18 - 0:20
    그럼요. 놀랍구 말구요.
  • 0:20 - 0:21
    오늘 우리가 다루고 싶은 주제는
  • 0:21 - 0:23
    왜 이 수업이 이렇게 구성되었는지 입니다.
  • 0:23 - 0:27
    어떤 부분에서 이 수업이 다른지와
  • 0:27 - 0:29
    우리가 생각하기에 어떤 점들을 여러분이
  • 0:29 - 0:31
    수업을 통해서 얻어가야 하는지 입니다. 합리적이죠?
  • 0:31 - 0:31
    그럼요
  • 0:31 - 0:34
    좋아요. 그럼 시작하기에 앞서서
  • 0:34 - 0:35
    여기까지 와주신걸 감사드려요
  • 0:35 - 0:38
    아틀란타에 있는 이 아름다운 스튜디오 까지요.
  • 0:38 - 0:41
    와서 기쁜걸요. 초대해주셔서 감사합니다.
  • 0:41 - 0:43
    와주셔서 감사해요, 마이클.
  • 0:43 - 0:46
    저에게 이 강좌를 부탁해줘서 고마워요. 정말 즐거운 강좌였어요.
  • 0:46 - 0:47
    가장 중요한건 당신과 함께
  • 0:47 - 0:49
    수업을 진행할 수 있다는 거에요
  • 0:49 - 0:50
    우리는 서로 좋은 사이고 그건 우리가
  • 0:50 - 0:52
    이 수업을 통해 가져가고 싶은 거에요
  • 0:52 - 0:54
    왜냐하면 우린 머신러닝을 좋아하고
  • 0:54 - 0:57
    많은 공통점들이 있잖아요. 다만, 저는 우리가
  • 0:57 - 1:00
    머신러닝의 중요한 부분들에 대해 모두 동의할지는 잘 모르겠어요.
  • 1:00 - 1:01
    그리고 우리가 하는일을 왜 하는지에 대해서요.
  • 1:01 - 1:03
    음. 좋아요.
  • 1:03 - 1:04
    마이클, 영상을 보고 있는 사람들은
  • 1:04 - 1:06
    당신이 저보다 더 이론적일거라 생각할꺼에요.
  • 1:06 - 1:08
    이론상으로는요.
  • 1:08 - 1:10
    그리고 제가 당신보다 더 실용적이구요
  • 1:10 - 1:12
    실용적으로는요
  • 1:12 - 1:15
    최소한 실무에서는 그럴거에요. 그리고 아마도
  • 1:15 - 1:17
    수업 중에 우리 간의 약간의 긴장이 발생할 것 같아요. 다만, 저는
  • 1:17 - 1:19
    우리 사이에 왜 그런 긴장감이 발생하는지를 알기 위해서라도
  • 1:19 - 1:22
    여러분이 머신러닝을 배워야 한다고 생각해요. 자 그럼 마이클,
  • 1:22 - 1:23
  • 1:23 - 1:23
    머신러닝은 무엇이죠?
  • 1:23 - 1:25
    정리(theorem)들을 증명하는 것 이에요.
  • 1:25 - 1:27
    (웃음) 아뇨.
  • 1:27 - 1:27
    아니죠.
  • 1:27 - 1:29
    저는 정리들을 증명하는거라고 생각하지 않아요.
  • 1:29 - 1:31
    물론 정리들을 증명하는것이 머신러닝에서 중요하지만요.
  • 1:31 - 1:33
    저도 동의해요.
  • 1:33 - 1:33
    좋아요.
  • 1:33 - 1:34
    우린 같은 입장에 있군요.
  • 1:34 - 1:37
    우린 부분 적으로 같은 입장에 있어요. 머신러닝이란 무엇이죠?
  • 1:37 - 1:39
    머신러닝이란 무엇인가. 좋아요.
  • 1:39 - 1:40
    정의를 말해 주세요.
  • 1:40 - 1:41
  • 1:41 - 1:46
    머신러닝은 컴퓨터가 하는 통계학 이에요. 이건 정의로 어때요?
  • 1:46 - 1:50
    정의이긴 하지만 많은 부분에서 틀린거 같아요.
  • 1:50 - 1:51
    다만, 많은 사람들이 그 문장에 동의할 거에요.
  • 1:51 - 1:54
    사람들은 머신러닝이 정말 응용 통계학이라고 말하거든요.
  • 1:54 - 1:56
    응용통계학이 아니라 컴퓨터로 푸는 통계학이요.
  • 1:56 - 1:59
    컴퓨터가 하는 응용 통계학
  • 1:59 - 2:00
    (한숨)
  • 2:00 - 2:04
    전 그 정의가 마음에 들지 않아요.
  • 2:04 - 2:07
    전 그 정의가 너무 좁은 개념이라고 생각해요. 저는 머신 러닝이
  • 2:07 - 2:12
    컴퓨터로 인공적인 것을 만드는 것이라는 넒은 개념으로 생각해요.
  • 2:12 - 2:14
    경험을 통해서 학습하면서요.
  • 2:14 - 2:17
    그리고 특히, 단순히 인공적인 것을 만드는 것이
  • 2:17 - 2:19
    중요한게 아니라, 그 뒤에는 수학이 담겨 있어요.
  • 2:19 - 2:22
    과학이 뒤에 있는거죠. 뒤에는 공학이 있는거에요.
  • 2:22 - 2:24
    그리고 이건 컴퓨팅 연산이 뒤에 있구요.
  • 2:24 - 2:28
    이건 필수적으로 인공지능을 만드는데 들어가는 모든 것들이에요
  • 2:28 - 2:31
    계속해서 배워야 겠죠. 동의하세요?
  • 2:31 - 2:31
    네 동의해요.
  • 2:31 - 2:35
    당신이 데이터를 가지고 있고, 당신이 데이터를 분석해서
  • 2:35 - 2:38
    무언가를 얻어내려면, 당신은
  • 2:38 - 2:43
    다양한 컴퓨터 작업을 필요로 해요. 컴퓨터가 하는 통계학이죠.
  • 2:43 - 2:46
    전 그게 컴퓨터 통계학이라고 생각하지 않아요.
Cím:
01_Definition of ML
Video Language:
English
Team:
Udacity
Projekt:
UD675: Machine Learning 1 - Supervised Learning
Duration:
02:47
jongsang kim edited Koreai subtitles for 01_Definition of ML

Korean subtitles

Felülvizsgálatok