왜 머신러닝이란? — 데이터에서 패턴을 배우는 기술이 필요한가? 실무에서 이 개념 없이는 문제를 해결할 수 없습니다. 핵심 동기와 배경을 먼저 이해합시다.
머신러닝(Machine Learning)은 컴퓨터가 명시적으로 프로그래밍되지 않고도 데이터에서 스스로 패턴을 학습하는 기술입니다.
전통 프로그래밍:
- 개발자가 규칙을 하나하나 코딩 → if 키 > 180: "농구선수 추천"
- 규칙이 많아지면? → 유지보수 불가능, 예외 폭발
머신러닝:
- 데이터(키, 체중, 종목)를 주면 → 컴퓨터가 스스로 규칙을 발견
- 새로운 데이터가 오면? → 학습한 패턴으로 예측
한 줄 정의:
"A computer program is said to learn from experience E with respect to some task T and performance measure P, if its performance at T improves with experience E." — Tom Mitchell, 1997
쉽게 말하면: 경험(데이터)이 쌓일수록 성능이 좋아지는 프로그램이 머신러닝입니다.
머신러닝의 형식적 정의는 Mitchell이 제안한 "경험으로부터 학습하여 성능이 향상되는 컴퓨터 프로그램"에서 시작된다 (Mitchell, 1997).
0:00
1:39
🎓 강의 스크립트
그림을 보세요. 안녕하세요, 머신러닝 과목의 첫 번째 레슨을 시작하겠습니다.
오늘의 주제는 머신러닝이란 무엇인가, 그리고 데이터에서 스스로 배운다는 것이 어떤 의미인지 알아봅니다.
그림 위쪽의 큰 파란색 영역을 보세요.
이것이 인공지능, 즉 에이아이의 전체 범위입니다.
인공지능 안에 보라색으로 표시된 머신러닝이 들어있죠.
그리고 머신러닝 안에 다시 빨간색 딥러닝이 포함되어 있습니다.
즉, 에이아이가 가장 큰 범주이고, 머신러닝은 그 부분 집합, 딥러닝은 머신러닝의 부분 집합입니다.