머신러닝(Machine Learning)의 배경과 원리

 

	항목	세부 내용	비고
1	데이터 수집	üAI 모델을 학습시키는 데 필요한 데이터 수집 ü데이터의 양과 질은 머신러닝 모델의 성능에 결정적인 영향을 미침.	•
2	데이터 준비	ü머신러닝 모델이 이해하고 처리할 수 있는 형태로 가공(전처리) ü정제(누락, 오류), 중복 제거, 특징 추출, 정규화 등 포함	•
3	모델 선택	ü해결하려는 문제의 유형과 데이터 특성에 적합한 알고리즘(모델) 선택	•
4	모델 학습	ü데이터를 이용하여 모델을 ‘훈련’시킴. ü지도학습, 비지도학습, 강화학습 등 활용	•학습 데이터
5	모델 평가	ü학습된 모델이 얼마나 잘 작동하는지 평가함.	•평가 데이터
6	매개변수 조정	ü평가 결과가 만족스럽지 않다면, 매개변수를 조정하여 학습 및 평가 반복	•
7	배포	ü검증된 모델을 실제 서비스나 시스템애 배포하여 새로운 데이터에 대한 예측/추론 또는 분류작업에 활용	•