안녕하세요 AMPM 글로벌 퍼포먼스1팀 김도윤AE입니다.

오늘은 머신러닝이 무엇인지와 특징들에 대해서 알아보도록 하겠습니다.

1.머신러닝이란?

- 인공 지능의 한 분야로, 컴퓨터 시스템이 데이터로부터 학습하고 경험을 통해 개선되는 프로세스를 다룹니다. 머신러닝은 명시적인 프로그래밍 없이도 컴퓨터가 학습할 수 있게 하는 기술을 개발하는 것을 목표로 합니다.

2.메커니즘

1) 광고 집행 시작(머신러닝의 시작)

2) 광고 라이브(머신러닝, 학습중) / 이벤트 데이터 확인(학습기간)

3) 충분한 데이터 수집(머신러닝 완료, 활동중) / 일주일 이내에 50개의 이벤트 발생

4) 머신러닝 종료, 광고 최적화 단계

3.특 징

1) 학습

- 머신러닝은 데이터에서 패턴을 학습하고, 이를 기반으로 의사 결정을 내립니다. 이는 규칙 기반 프로그래밍과 대조적입니다.

2) 자동화

- 머신러닝은 일반적으로 수동으로 프로그래밍되지 않고, 데이터에서 특성을 추출하여 모델을 만들고 예측을 수행합니다.

3) 일반화

- 머신러닝 모델은 학습 데이터에만 국한되지 않고, 새로운 데이터에 대한 일반화 능력을 갖추려고 합니다.

4.장 점

1) 자동화와 효율성

- 머신러닝은 반복적이고 복잡한 작업을 자동화할 수 있습니다. 이는 생산성을 높이고 인간 작업에서 발생할 수 있는 오류를 줄이는 데 도움이 됩니다.

2) 다양한 데이터 처리

- 머신러닝은 다양한 종류와 형식의 데이터를 처리할 수 있습니다.텍스트, 이미지, 음성 등 다양한 형태의 데이터를 다룰 수 있어 다양한 분야에서 적용 가능합니다.

3) 빠른 의사 결정

- 실시간 데이터 분석과 예측 능력은 빠른 의사 결정을 가능하게 합니다. 이는 비즈니스 전략, 생산 과정 최적화, 금융 거래 등에서 중요한 역할을 합니다.

4) 지속적인 개선

- 모델이 학습 데이터를 기반으로 계속해서 개선될 수 있기 때문에 시간이 지남에 따라 더 나은 성능을 발휘할 수 있습니다.

5.단 점

1) 데이터 종속성

- 머신러닝 모델은 품질 좋은 학습 데이터에 의존합니다. 부정확하거나 편향된 데이터로 학습할 경우 모델의 예측 성능이 저하될 수 있습니다.

2) 편향과 공정성 문제

- 편향된 학습 데이터로 인해 모델이 특정 그룹에 대해 공정하지 않은 예측을 할 수 있습니다. 이는 인종, 성별, 경제적 신분 등과 관련된 공정성 문제를 야기할 수 있습니다.

3) 보안 문제

- 머신러닝 모델은 외부에서의 악의적인 공격에 취약할 수 있습니다. 특히 모델이 공개적으로 사용되는 경우, 적대적인 예제 등에 대비해야 합니다.