머신러닝 기초

학습 목표

이 강의를 통해 머신러닝의 기본적인 개념과 작동 방식을 이해하고, 실제 개발 환경에서 머신러닝 모델을 다루기 위한 주피터 노트북(Jupyter Notebook) 사용법을 익힙니다. 전통적인 프로그래밍 방식과의 차이점을 명확히 인지하고, 지도 학습과 비지도 학습, 분류 모델과 회귀 모델 등 머신러닝의 주요 기법들을 구분할 수 있게 됩니다.

핵심 개념

• 주피터 노트북 (Jupyter Notebook): 코드 실행 환경으로, 코드 셀을 분리하여 순차적으로 실행하고 결과를 저장할 수 있는 인터랙티브 환경입니다. .ipynb 확장자를 가지며, 코드 실행뿐만 아니라 마크다운을 이용한 문서 작성도 가능합니다.
• 커널 (Kernel): 주피터 노트북에서 코드를 실행하는 파이썬 프로세스입니다. 커널이 살아있는 동안 실행된 코드의 상태가 유지되어 누적 실행이 가능합니다.
• 머신러닝 (Machine Learning): 명확한 규칙을 사람이 직접 코드로 정의하기 어려운 문제에 대해, 데이터를 통해 컴퓨터가 스스로 규칙을 학습하도록 하는 방식입니다. 입력 데이터와 정답을 함께 제공하여 모델을 학습시키는 지도 학습과, 정답 없이 데이터의 패턴을 스스로 찾아내는 비지도 학습으로 나뉩니다.
• 모델 학습 및 평가: 머신러닝 모델은 조정 가능한 숫자(파라미터)를 통해 학습하며, 예측이 틀릴 경우 파라미터를 조정하여 전체 데이터셋에서의 예측률을 높입니다. 학습된 모델은 검증(validation) 및 테스트(test) 과정을 거쳐 성능을 평가받습니다. 과적합(Overfitting)을 방지하고 일반화(Generalization) 성능을 높이는 것이 중요합니다.
• 분류 모델 vs 회귀 모델: 분류 모델은 데이터를 범주형으로 나누는 데 사용되며 (예: 스팸/정상 메일), 회귀 모델은 수치형 예측을 수행합니다 (예: 주가 예측, 매출액 예측).

공부 방향성

본 강의는 머신러닝의 전반적인 개념을 소개하며, 특히 주피터 노트북을 활용한 실습 환경 구축과 머신러닝의 기본 원리를 이해하는 데 중점을 둡니다. 강의 시청 전후로 파이썬 기본 문법과 데이터 전처리 과정을 복습하면 머신러닝 모델을 더 깊이 이해하는 데 도움이 될 것입니다. 향후에는 다양한 머신러닝 알고리즘과 딥러닝 기법을 학습하며 실제 문제 해결 능력을 키워나갈 수 있습니다.