Day 5 - Week 1 종합: AI/ML 기초 복습

들어가며

이번 주에는 AI와 머신러닝의 가장 기본이 되는 개념들을 차근차근 배웠습니다. 오늘은 Day 1부터 Day 4까지의 내용을 하나로 엮어 복습하고, 시험에서 자주 헷갈리는 부분을 다시 한번 정리합니다.

복습은 단순 암기가 아니라 "개념들이 어떻게 연결되는지"를 다시 그려 보는 시간입니다. 이번 주 핵심 흐름은 다음과 같습니다.

[Day1] AI > ML > DL 관계
   ↓
[Day2] ML의 학습 유형 (지도·비지도·강화)
   ↓
[Day3] ML이 적합한 문제 vs 아닌 문제
   ↓
[Day4] 핵심 용어 (모델·학습·추론·특성·레이블·과적합)

가장 먼저 기억할 것은 포함 관계입니다.

모든 딥러닝은 머신러닝이지만, 모든 AI가 머신러닝인 것은 아닙니다. 사람이 규칙을 직접 적은 시스템은 AI일 수 있어도 머신러닝은 아닙니다.

머신러닝은 학습 방식에 따라 세 가지로 나뉩니다.

특히 자주 헷갈리는 두 쌍을 다시 정리합니다.

머신러닝은 만능이 아닙니다. 다음 기준으로 적합성을 판단합니다.

가장 단순하면서 충분한 방법을 고르는 것이 좋은 설계라는 점을 기억합니다.

머신러닝의 흐름을 용어로 다시 그려 봅니다.

특성 + 레이블 [학습 데이터]
   ↓ 학습(Training)
[모델] 완성
   ↓ 추론(Inference)
새 입력(특성) → 예측된 레이블
   ↓
[테스트 데이터]로 평가 → 과적합/과소적합 점검

💡 : 이번 주 내용은 AIF-C01 시험의 "AI/ML 기초 개념" 영역의 토대입니다. 이 흐름을 명확히 이해해야 이후 생성형 AI, AWS AI 서비스 같은 심화 주제를 무리 없이 따라갈 수 있습니다.

선택지를 클릭하면 정답·해설이 펼쳐집니다.

문제 1

AI·머신러닝·딥러닝의 관계와 학습 유형에 대한 설명으로 옳은 것은?

문제 2

"고객 데이터를 정답 없이 비슷한 성향끼리 자동으로 묶는다"와 "내일 기온이 몇 도일지 숫자로 예측한다"는 각각 어떤 작업인가?

문제 3

어떤 업무에서 규칙이 매우 단순하고 명확하며("금액 × 고정 세율"), 결과는 항상 100% 정확해야 한다. 이에 대한 판단으로 가장 적절한 것은?

문제 4

학습된 모델이 학습 데이터에서는 거의 완벽하지만 새로운 데이터에서는 성능이 크게 떨어졌다. 그리고 특성과 레이블의 정의를 묻는다. 옳은 설명은?

문제 5

이번 주에 배운 내용을 종합할 때, 좋은 머신러닝 활용 판단으로 가장 적절한 것은?