문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 기계학습 (문단 편집) == 머신 러닝 소프트웨어 == [[파일:top-analytics-data-science-machine-learning-software-2015-2017.jpg]] 일반적으로 파이썬을 많이 사용한다. 2020년 현재도 파이썬으로 AI가 대부분 개발되고 있다. * [[Python]] * [[TensorFlow]] * [[파이토치]]: 2019년 현재 머신러닝 학회/컴퓨터비전 학회 논문 구현의 50~70% 정도를 Pytorch가 차지할 만큼 성장하였다. Torch는 TensorFlow보다 훨씬 직관적인 형태를 띄고 있으나 Python에 비해서 minor한 [[Lua]] 언어 기반의 프레임워크 기반이었기 때문에 과거에는 TensorFlow에 밀렸으나 최근 들어 급부상하였다. Torch가 Python을 지원하기 시작하면서 생산성 측면에서 이점이 있는 PyTorch로 대거 넘어왔으며, 동시에 Torch의 장점을 흡수하고자 하는 TensorFlow 2.0이 성공적으로 안착하지 못한 것이 원인이다. [[https://thegradient.pub/state-of-ml-frameworks-2019-pytorch-dominates-research-tensorflow-dominates-industry/|관련 기사]] * Keras * [[scikit-learn]] * SciPy * [[Pandas]] * [[MATLAB]]: [[파일:getstartedwithdeepnetworkdesignerexample_01_ko_KR.png]] [[파일:getstartedwithdeepnetworkdesignerexample_02_ko_KR.png]] 머신 러닝을 위한 툴박스를 제공한다. 파이썬을 사용하기 전에 간단히 머신 러닝의 결과를 예측해 볼 수 있으며, 툴박스 덕택에 파이썬보다 개발이 더 빠르고 쉽다! 즉 가장 빠르게 즉시 상용에 머신러닝을 썼을 때의 예상 결과를 거의 바로 확인해 볼 수 있다. 고급 디버깅을 위해서는 파이썬이 더 유용한 편이지만... 실질적으로 최신 학회의 머신러닝 알고리즘을 로우코드로 논문을 읽으면서 구현하거나 뜯어고쳐야 되는 게 아니라면 MATLAB 툴박스로 최신 머신러닝 알고리즘을 바로 적용하는 게 머신러닝 논문을 공부하면서 개발하는 것보다 생산적인 면에서 빠르다. 머신러닝의 성능을 1%라도 더 올리는 머신러닝 대회에 출연하거나, 1000만 원 이상의 컴퓨터를 구축하는 경우가 아니라면 MATLAB만 써도 상용에는 충분하고 개발이 빠르다. * [[C##]] * [[ML.NET]] * [[Accord.NET]]저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기