기계 학습(machine learning, 머신러닝)은 데이터에서 패턴을 학습해 예측이나 분류 등에 사용할 모델을 만드는 방법이다. 학습은 모델의 매개변수를 조정하는 과정이고, 추론은 학습한 모델을 입력에 적용해 출력을 얻는 과정이다. 둘을 구분하면 화면에서 응답 하나를 받는 일과 모델을 새로 만드는 일이 다르다는 점을 이해하기 쉽다. 티처블 머신은 직접 모은 예시를 분류하는 작은 실험의 입구가 된다.
예를 들어 두 종류의 종이 조각을 구분하는 모델을 만든다고 가정해보자.
- 학습에 쓴 사진과 따로 남겨둔 사진을 나누어 시험하자.
- 배경이나 조명을 바꾸고 조건을 바꾼 분류 기록을 남겨보자.
- 맞힌 비율 옆에 틀린 조건도 적자. 오류를 기록하며 배우기와 연결된다.
학습 자료와 시험 자료는 이미 본 것을 잘 맞히는 일과 새로운 사례에 대응하는 일의 차이를 다룰 다음 주제다.