[AI Study] Day2 - 머신러닝의 작동 원리 (How Machine Learning Works)

학습 목표

• 머신러닝의 개념과 작동 원리를 이해한다.
• 지도학습, 비지도학습, 강화학습의 차이를 학습한다.
• 머신러닝의 기본 워크플로우를 익힌다.

---

1. 머신러닝의 정의

**머신러닝 (Machine Learning)**은 데이터를 활용하여 컴퓨터가 스스로 학습하고 예측하거나 결정을 내릴 수 있도록 하는 기술입니다.

머신러닝의 특징:

• 데이터 기반 학습
• 명시적인 프로그래밍 없이도 패턴을 학습
• 성능 개선 가능

---

2. 머신러닝의 유형

1. 지도학습 (Supervised Learning):
   • 입력 데이터와 출력 데이터가 명확히 주어진 상태에서 학습.
   • 예: 이메일 스팸 필터링 (스팸 여부 라벨 제공).
2. 비지도학습 (Unsupervised Learning):
   • 출력 데이터 없이 입력 데이터의 패턴을 학습.
   • 예: 고객 군집화 (고객 데이터의 유사성 분석).
3. 강화학습 (Reinforcement Learning):
   • 환경과의 상호작용을 통해 최적의 행동을 학습.
   • 예: 자율주행 차량, 게임 AI.

---

3. 머신러닝의 기본 워크플로우

1. 데이터 수집 (Data Collection):
   • 문제 해결에 필요한 데이터를 수집.
2. 데이터 전처리 (Data Preprocessing):
   • 데이터의 품질을 개선하고 모델에 적합하게 변환.
3. 모델 선택 (Model Selection):
   • 문제에 적합한 머신러닝 알고리즘 선택.
4. 모델 학습 (Model Training):
   • 데이터를 이용해 모델을 학습.
5. 모델 평가 (Model Evaluation):
   • 테스트 데이터를 사용해 모델의 성능 평가.
6. 모델 개선 (Model Optimization):
   • 성능을 개선하기 위한 매개변수 조정.

---

4. 머신러닝의 실생활 사례

1. 음성 인식:
   • 스마트폰에서 음성을 텍스트로 변환.
2. 이미지 분류:
   • 의료 영상 분석에서 암 진단.
3. 추천 시스템:
   • 영화나 상품 추천 (예: Netflix, Amazon).

---

5. 학습 활동

활동 1: 머신러닝 유형 정리

• 지도학습, 비지도학습, 강화학습의 정의와 예를 표로 정리하세요.

활동 2: 데이터 전처리 실습

• 간단한 데이터셋(예: 학생 성적)을 만들어, 결측치 처리, 이상치 제거 등 전처리를 수행해 보세요.

활동 3: 토론 질문

• "데이터가 부족한 상황에서 머신러닝을 어떻게 활용할 수 있을까요?" 주제로 의견을 나누어 보세요.

---

6. 퀴즈 (복습)

1. 머신러닝이란 무엇인가요?
2. 머신러닝의 세 가지 주요 유형은 무엇이며, 각 유형의 예를 작성하세요.
3. 머신러닝의 워크플로우 단계 중 데이터를 정리하는 과정을 무엇이라고 하나요?

---

7. 추가 학습 자료

• 동영상: "Supervised vs Unsupervised Learning Explained" - YouTube.
• 참고 자료:
  • 무료 데이터셋 다운로드 사이트
  • 머신러닝 기초 (1) 머신러닝 소개 - 티스토리 블로그: 이 글은 머신러닝의 기본 개념과 인공지능, 머신러닝, 딥러닝의 차이점을 설명하며, 머신러닝의 다양한 학습 방법에 대해 소개합니다.
  • 머신러닝 기초부터 확실하게 - 네이버 블로그: 이 블로그 글은 머신러닝의 정의와 필요성, 빅데이터와의 관계, 그리고 다양한 머신러닝 기법에 대해 상세히 다루고 있습니다.
  • 머신러닝을 시작하기 위한 기초 지식 (1) - Swalloow Blog: 이 글은 머신러닝의 세 가지 주요 분야인 지도학습, 비지도학습, 강화학습에 대해 개괄적으로 설명하고, 각 분야의 특징과 예시를 제공합니다.

---

8. 오늘의 학습 정리

• 머신러닝은 데이터를 기반으로 학습하는 기술입니다.
• 지도학습, 비지도학습, 강화학습의 차이를 이해했습니다.
• 머신러닝은 데이터 전처리부터 모델 평가까지의 워크플로우를 따릅니다.