AI 기초 ① 머신러닝 기본 개념

Card preview

Showing the first 5 of 120 cards.

1. 1

   인공지능(AI), 머신러닝(ML), 딥러닝(DL)의 포함 관계로 옳은 것은?

   1. 1머신러닝 ⊃ AI ⊃ 딥러닝
   2. 2세 개념은 서로 겹치지 않는 별개 분야이다
   3. 3AI ⊃ 머신러닝 ⊃ 딥러닝
   4. 4딥러닝 ⊃ 머신러닝 ⊃ AI

   AnswerAI ⊃ 머신러닝 ⊃ 딥러닝

   AI는 사람의 지능적 행동을 기계로 구현하는 가장 넓은 개념으로, 사람이 규칙을 직접 짜 넣는 전문가 시스템도 포함한다. 머신러닝은 그중 ‘데이터로부터 규칙을 학습’하는 방법이고, 딥러닝은 머신러닝 중 ‘여러 층의 인공신경망’을 쓰는 방법이다. 따라서 AI ⊃ ML ⊃ DL이다.

2. 2

   전통적 프로그래밍과 머신러닝의 차이를 가장 잘 설명한 것은?

   1. 1전통적 프로그래밍은 데이터만 넣어 주면 규칙을 스스로 찾아낸다
   2. 2머신러닝은 사람이 모든 규칙을 직접 코딩해 넣어야 동작하는 방식이다
   3. 3머신러닝은 데이터와 정답을 주면 규칙(모델)을 스스로 만들어 낸다
   4. 4머신러닝은 데이터가 전혀 없어도 규칙을 스스로 만들어 낼 수 있다

   Answer머신러닝은 데이터와 정답을 주면 규칙(모델)을 스스로 만들어 낸다

   전통적 프로그래밍은 ‘규칙 + 데이터 → 답’이고, 머신러닝은 ‘데이터 + 답 → 규칙’이다. 사람이 규칙을 일일이 정의하기 어려운 문제(이미지 인식, 불량 판정, 번역 등)에서 머신러닝이 강하다. 머신러닝은 데이터가 없으면 아무것도 학습할 수 없다.

3. 3

   지도학습(supervised learning)에 대한 설명으로 옳은 것은?

   1. 1학습 없이 사람이 정한 규칙만으로 예측한다
   2. 2입력과 정답(레이블)이 짝지어진 데이터로 학습한다
   3. 3정답 없이 데이터의 구조나 그룹만 찾는다
   4. 4환경이 주는 보상을 최대화하는 행동 정책을 학습한다

   Answer입력과 정답(레이블)이 짝지어진 데이터로 학습한다

   지도학습은 ‘문제와 정답지’를 함께 주고 학습시키는 방식이다. 대표 과제는 분류(스팸/정상)와 회귀(집값 예측)이다. 정답 없이 구조를 찾는 것은 비지도학습, 보상으로 정책을 배우는 것은 강화학습이다.

4. 4

   다음 중 비지도학습(unsupervised learning)에 해당하는 과제는?

   1. 1면적·층수·위치 정보로 아파트 매매 가격 예측하기
   2. 2게임에서 승리 보상을 최대화하도록 행동 학습하기
   3. 3고객을 구매 패턴이 비슷한 그룹으로 묶기(군집화)
   4. 4과거 레이블을 보고 이메일이 스팸인지 아닌지 분류하기

   Answer고객을 구매 패턴이 비슷한 그룹으로 묶기(군집화)

   군집화는 정답 레이블 없이 데이터끼리의 유사성만으로 그룹을 찾으므로 비지도학습이다. 스팸 분류(분류)와 가격 예측(회귀)은 정답이 있는 지도학습, 보상 최대화는 강화학습이다. 차원 축소·이상 탐지도 대표적인 비지도학습 과제다.

5. 5

   강화학습(reinforcement learning)을 가장 잘 설명한 것은?

   1. 1입력-정답 쌍을 대량으로 학습해 새 입력의 정답을 그대로 예측하는 방식이다
   2. 2레이블 없는 데이터를 특성이 비슷한 것끼리 자동으로 묶어 그룹을 찾는다
   3. 3고차원 데이터를 정보 손실이 적은 저차원 공간으로 압축해 표현한다
   4. 4에이전트가 환경과 상호작용하며 누적 보상을 최대화하는 행동 정책을 학습한다

   Answer에이전트가 환경과 상호작용하며 누적 보상을 최대화하는 행동 정책을 학습한다

   강화학습의 구성 요소는 에이전트, 환경, 상태, 행동, 보상, 정책이다. 정답을 직접 받는 대신 시행착오로 받은 보상을 통해 학습한다. 알파고, 로봇 제어가 대표 사례이고, LLM을 사람 선호에 맞추는 RLHF도 강화학습 기법을 쓴다.