핵심 아이디어
이 단원을 관통하는 두 가지 큰 생각
데이터가 곧 실력
기계학습 모델의 성능은 알고리즘보다 데이터의 양과 질에서 나옵니다. 좋은 데이터가 좋은 AI를 만들어요.
만들고, 평가하고, 개선하기
AI는 한 번 만들고 끝이 아니라, 성능을 평가하고 데이터·모델을 고쳐 가며 점점 나아지는 순환 과정으로 완성됩니다.
이 단원의 성취기준
단원을 마치면 이런 것을 할 수 있어요.
기계학습을 적용할 문제를 정의하고, 해결에 필요한 데이터를 선정·수집한다.
수집한 데이터를 가공하여 핵심 속성을 추출한다.
문제 해결에 적합한 기계학습의 유형과 알고리즘을 선정한다.
훈련 데이터로 학습하고, 테스트 데이터로 성능을 평가한다.
인공신경망과 딥러닝의 특성을 이해하고 활용 분야를 탐색한다.
딥러닝으로 실생활·여러 분야의 문제를 해결하고 성능을 평가한다.
시작하기 전에 — 인공지능을 '기르는' 5단계
기계학습은 정해진 순서가 있는 과정이에요. 각 단계를 눌러 미리 살펴보세요(= 이 단원의 학습 순서!).
학습 로드맵
순서대로 학습하는 것을 추천해요.
무엇을, 무엇으로 배울까 — 문제 정의와 데이터 수집
ML에 맞는 문제, 데이터 선정, 편향·공정성 · 🕹️ 문제 적합성 판별 · 데이터 편향 시뮬레이터
데이터를 다듬다 — 전처리와 속성 추출
결측치·이상치, 정규화, 특성 선택 · 🕹️ 데이터 전처리 실습실
어떤 학습으로 풀까 — 유형과 알고리즘 선정
지도·비지도·강화학습, 알고리즘 선택 · 🕹️ 유형 선택 가이드 · 강화학습 미니 데모
잘 배웠는지 확인하기 — 학습과 평가
훈련/테스트 분리, 과적합, 성능 지표 · 🕹️ 과적합 실험실 · 혼동 행렬 계산기
뇌를 닮은 학습 — 인공신경망과 딥러닝
퍼셉트론·신경망·딥러닝, 활용 분야 · 🕹️ 퍼셉트론 실험 · 신경망 시각화
단원 마무리 — 핵심 정리와 단원평가
개념 지도 · 단원평가 · 서·논술형 · 자가평가 · 진로 연계
출발 전 점검 — 앞에서 배운 것과의 연결
「정보」 과목과 1단원이 디딤돌이 됩니다.
배경지식 진단 퀴즈
정보 과목·1단원 연계 · 3문항
1데이터를 주고 컴퓨터가 스스로 규칙(패턴)을 찾게 하는 방식은?
2정답(레이블)이 붙은 데이터로 학습하는 기계학습 방식은?
31단원에서 배운, 규칙 기반 인공지능이 특히 약한 문제는?
정보 4단원에서 기계학습을 '맛봤다면'(지도/비지도, 분류기·군집), 이 단원에서는 직접 요리합니다 — 데이터를 모으고, 다듬고, 모델을 학습시켜 성능을 평가하고, 마침내 딥러닝까지. 인공지능을 길러 내는 전 과정을 손으로 익혀요!