본문으로 건너뛰기
AI 도감

머신러닝

규칙을 하드코딩하는 대신 데이터에서 규칙을 학습하게 한다

OVERVIEW

전체 항목
6
입문
2
중급
3
고급
1

Machine learning compresses into a single sentence: given a set of samples, find a function that still works on new ones. Around that sentence grow the divide between supervised and unsupervised learning, the tug-of-war between overfitting and regularisation, and the methodology of measuring — honestly — whether it works at all.

이 영역이 답하는 질문

  • Q1

    What separates “memorising” from “learning”?

  • Q2

    Why does a model that aces training fail in production?

  • Q3

    What can unlabelled data still be used for?

이 영역의 항목

  1. 01지도 학습입문‘질문과 정답’의 짝을 보여 주어 모델이 스스로 답하게 만든다
  2. 02비지도 학습입문정답이 없을 때는 데이터가 스스로 구조를 드러내게 한다 — ‘좋음’의 기준도 다시 정의해야 한다
  3. 03손실 함수중급손실 함수는 ‘무엇을 벌할지’를 정한다 — 바꾸면 옳고 그름의 기준 자체가 바뀐다
  4. 04과적합과 정규화중급모델이 훈련 데이터를 통째로 외웠지만 새 데이터에서는 맥을 못 춘다
  5. 05모델 평가와 교차 검증중급정확도는 가장 속기 쉬운 지표다 — 평가를 틀리면 나머지가 전부 무너진다
  6. 06편향-분산 트레이드오프고급모든 예측 오차는 셋으로 나뉜다 — 너무 단순한 모델, 너무 요동치는 모델, 그리고 세계 자체의 무작위성