Teachable Machine
코드 한 줄 없이 아주 간단하게 머신러닝 모델을 만들어볼 수 있습니다.
Teachable Machine이라는 것을 사용하면 되는데요.
* 패스트캠퍼스 '모두를 위한 딥러닝: 머신러닝부터 딥러닝까지' 강의의 내용을 바탕으로 작성하였습니다.
구글에서 만든 누구나 머신러닝 모델을 쉽고 빠르고 간단하게 만들 수 있도록 제작된 웹 기반의 도구입니다.
이미지, 사운드, 포즈를 인식하도록 컴퓨터를 훈련시킨 모델을 내보내서 사용할 수 있습니다.
이를 이용하면 다양하고 재밌는 결과물들을 만들어낼 수 있습니다.
- 다양한 유형의 이미지를 인식하도록 모델을 훈련할 수 있습니다.
- 예를 들어, 다양한 동물, 사물, 몸짓을 구별할 수 있습니다.
- 음성 명령이나 다양한 소리를 이해하고 응답하는 모델을 구축할 수 있습니다.
- 인간의 자세와 움직임을 감지하고 이해할 수 있는 모델을 개발할 수 있습니다.
간단하게 다음과 같이 웹캠을 이용해서 가위, 바위, 보 각각의 이미지 샘플을 제공하고 학습시켜 보았습니다.
이미지 샘플이 적을 때는 다소 정확도가 떨어졌으나, 다양한 각도에서의 이미지를 더 많이 업로드할수록 정확도가 높아졌습니다.
다음 링크에서 만들어진 모델을 확인할 수 있습니다.
Teachable Machine
Train a computer to recognize your own images, sounds, & poses. A fast, easy way to create machine learning models for your sites, apps, and more – no expertise or coding required.
teachablemachine.withgoogle.com
여기서 '가위', '바위', '보'는 클래스라고 하며, 라벨 또는 정답이라고도 합니다.
각 클래스에 해당하는 이미지들을 알려주고, 학습을 시키는데 이는 지도학습이라고 합니다.
머신러닝은 크게 3가지 종류로 구분할 수 있는데요. 정리하면 다음과 같습니다.
1. 지도 학습(Supervised Learning)
레이블(정답)이 있는 훈련 데이터를 사용하여 모델을 훈련시키는 방법.
목표는 새로운, 미지의 데이터에 대해 정확한 예측 또는 분류를 수행하는 것
2. 비지도 학습(Unsupervised Learning)
레이블이 없는 데이터를 사용.
데이터에서 패턴, 그룹, 또는 구조를 찾는 데 사용.
3. 강화 학습(Reinforcement Learning)
최적의 결과를 얻기 위한 결정을 내리도록 소프트웨어를 훈련시키는 기계 학습(ML) 기법으로 인간이 목표를 달성하기 위해 사용하는 시행착오 학습 과정을 모방.
이상으로 간단하게 Teachable Machine을 사용해서 모델을 만들어보았는데요.
다음에 기회가 된다면, 어떤 원리로 동작하는 것인지에 대해서도 알아보도록 하겠습니다.