4-1 머신러닝, 시험에 나오는 핵심 개념만 쏙! 완벽 가이드

머신러닝, 어렵지 않아요! 🤖

이번 시간에는 모델링의 첫걸음, 머신러닝에 대해 알아볼 거야. 수학까지 깊게 파고들면 머리 아프니까, 우리는 시험에 나올 만한 핵심만 쏙쏙 뽑아서 실습 위주로 배울 거야. 이 정도만 해도 시험 문제 척척 풀 수 있게 도와줄게!

1. 인공지능, 머신러닝, 딥러닝, 뭐가 다를까? 🤔

• 인공지능 (AI): 사람이 하는 일을 기계가 대신할 수 있는 모든 자동화를 말해. 가장 넓은 개념이지.
• 머신러닝: 말 그대로 기계가 스스로 학습하는 거야. 사람이 일일이 규칙을 알려주는 게 아니라, 데이터를 보고 스스로 패턴을 익혀서 똑똑해지는 거지.
• 딥러닝: 머신러닝 중에서도 인공신경망이라는 걸 이용해서 학습하는 거야. 특히 이미지나 음성처럼 복잡한 데이터도 잘 다룰 수 있어.

정리하면: AI > 머신러닝 > 딥러닝 순서로 생각하면 쉬워!

2. 머신러닝, 어떻게 작동할까? ⚙️

머신러닝은 크게 세 단계로 돌아가:

1. 데이터 준비: 학습에 필요한 데이터를 모으고 정리하는 단계야.
2. 모델 학습: 준비된 데이터를 가지고 기계가 스스로 규칙을 배우는 단계야. (이걸 '피팅'이라고도 해!)
3. 예측: 학습된 모델을 이용해서 새로운 데이터에 대한 결과를 예측하는 단계야. (이걸 '프리딕트'라고도 해!)

예시: 공부 시간(데이터)을 보고 시험 점수(예측 결과)를 맞추는 것처럼 말이야.

3. 머신러닝의 학습 방식: 지도 vs. 비지도 🗺️

머신러닝에는 여러 가지 학습 방식이 있는데, 우리는 시험에 나오는 지도 학습에 집중할 거야.

• 지도 학습: 정답이 있는 데이터를 가지고 학습하는 거야. 마치 선생님이 문제와 답을 같이 보여주면서 가르쳐주는 것과 같지.
  • 회귀: 점수처럼 숫자를 예측하는 문제 (예: 집값 예측)
  • 분류: 스팸 메일인지 아닌지처럼 그룹을 나누는 문제 (예: 질병 진단)
• 비지도 학습: 정답이 없는 데이터를 가지고 학습하는 거야. 데이터끼리 비슷한 것끼리 묶어주는 역할을 해. (시험에는 안 나오니까 간단히만 알아두자!)

핵심: 지도 학습은 '입력 데이터'와 '정답 데이터'가 함께 제공된다는 점!

4. 간단한 실습 맛보기! 💻

우리는 '공부 시간'과 '시험 점수' 데이터를 가지고 선형 회귀 모델을 만들어봤어. 공부 시간을 넣으면 몇 점을 받을지 예측하는 거지.

그리고 '붓꽃' 데이터를 가지고 의사 결정 나무 모델로 꽃의 종류를 분류하는 것도 해봤어.

이처럼 머신러닝은 데이터를 준비하고, 모델을 학습시키고, 예측하는 과정을 거친다는 걸 기억해두자!

다음 시간에는 딥러닝에 대해 더 자세히 알아볼 테니 기대해도 좋아! 😊