첫째, 훈련 데이터를 준비합니다. 머신 러닝에서 데이터는 디스크에서 읽거나, 네트워크에서 다운로드하거나, 생성하거나, 단순히 하드 코딩으로 만들 수 있습니다. 이 예에서는 마지막 방법을 사용합니다. 이 방법이 편리하고 작은 양의 데이터를 다루기 때문입니다. 둘째, 데이터를 모델에 주입하기 위해 텐서로 바꿉니다. 그다음에는 모델을 만듭니다. 1장에서 보았듯이 적절한 훈련 가능한 함수를 설계하는 것과 비슷합니다. 즉, 입력 데이터에서 예측하고자 하는 어떤 것을 매핑하는 함수입니다. 이 경우에 입력 데이터와 예측 타깃은 모두 숫자입니다. 모델과 데이터가 준비되면 모델을 훈련하면서 성능을 모니터링합니다. 마지막으로, 훈련된 모델을 사용해 이전에 본 적 없는 데이터에 대해 예측을 만들고 모델의 정확도를 측정합니다.

복사, 붙여넣기를 할 수 있는 실행 코드와 이론 및 도구에 대한 설명을 덧붙이면서 각 단계를 진행하겠습니다.