기다리는 것을 좋아하는 사람은 없습니다. 특히 얼마나 기다려야 할지 모를 때는 화가 납니다. 지연을 숨길 수 없다면, 사용자에게 기다릴 시간을 추정하여 제공하는 것이 차선책이라고 모든 사용자 경험 설계자가 말합니다. 예상 지연 시간을 추정하는 것은 예측 문제입니다. TensorFlow.js 라이브러리를 사용하여 사용자가 처한 상황에 따른 다운로드 시간을 정확하게 예측할 수 있습니다. 이를 통해 사용자의 시간을 아끼고 주의를 뺏기지 않으며 명확하고 신뢰성 있는 경험을 제공할 수 있습니다.

이 장에서는 간단한 다운로드 시간 예측 문제를 예시로 삼아 완전한 머신 러닝 모델의 주요 구성 요소를 소개하겠습니다. 텐서, 모델링, 최적화의 개념과 동작 방법, 적절한 사용 방법을 직관적으로 이해할 수 있도록 실용적인 관점에서 소개하겠습니다.

(전문 연구원이 수년에 걸쳐 공부해 얻을 수 있는) 딥러닝의 내부 작동 방식을 완전히 이해하려면 여러 가지 수학 주제에 친숙해야 합니다. 하지만 딥러닝 기술자의 경우 선형 대수, 미분, 고차원 공간 통계에 대한 전문 지식은 복잡한 고성능 시스템을 구축하는 데 도움이 되겠지만 필수는 아닙니다. 이 장과 책 전반에 걸친 목표는 가능한 한 수학 공식이 아니라 코드를 사용해 필요한 기술 주제를 소개하는 것입니다. 이 분야의 전문가가 아니더라도 작동 방식과 목적을 직관적으로 이해하는 것이 목표입니다.