(1-5반2)4-2.기계학습의 이해 by

15팀.30아이유,31박보검

yeonae — 2025-06-16 01:04:58 UTC

손글씨체 분류 :

다양한 손 글씨 숫자 데이터셋(훈련 데이터)를 정답과 함께 학습시키면 기계학습은 각 숫자 이미지의 세부 특징을 파악하여 훈련하고, 새로운 손 글씨 이미지(테스트 데이터)가 입력되면 학습된 모델에 대입하여 숫자를 분류할 수 있다.

4팀 7번 신예은, 8번 엄윤지

2510508_3 — 2025-06-16 01:12:14 UTC

이메일 스팸 필터링:
이 시스템은 이메일 메시지의 내용을 기반으로 해당 이메일이 스팸인지 정상인지 자동으로 분류하는 모델을 학습시킨다. 이를 위해 과거에 수집된 이메일 데이터셋을 활용하여, 각 이메일의 텍스트 정보와 해당 이메일이 실제로 스팸인지 정상인지에 대한 라벨(정답)을 함께 사용한다. 모델은 이 데이터를 바탕으로 단어의 사용 빈도, 특정 키워드, 문장 구조, 발신자 정보 등 다양한 특성을 학습하게 된다. 이렇게 학습된 모델은 이후 새로운 이메일이 도착했을 때, 해당 이메일의 내용을 분석하여 그것이 스팸일 가능성이 높은지 여부를 자동으로 판단하고, 스팸이라면 받은 편지함이 아닌 스팸함으로 분류함으로써 사용자에게 불필요한 메일이 노출되지 않도록 도와준다.

11팀.22. 이연우 & 21. 이성민

2510522_3 — 2025-06-16 01:12:14 UTC

지도학습은 각 데이터에 대한 정답을 알려주고 학습시키지만 비지도 학습은 정답을 알려주지 않고 추론함으로써 데이터들을 군집하게 학습시키는 것이다. 지도학습은 결과를 판단하는 모델을 만들수 있고, 비지도 학습은 훈련 데이터 속에 숨겨진 새로운 정보를 찾고자 할 때 유용하다.

1팀 1번 강다겸 2번 김다영

2510501_3 — 2025-06-16 01:12:33 UTC

전통적인 프로그래밍은 원하는 규칙과 데이터를 입력해야 결과를 도출할 수 있으나 기계 학습은 데이터와 원하는 결과만 알려주면 스스로 정답을 찾기 위해 사고 하며 규칙을 찾아낸다. 따라서 결과를 도출할 방법을 직접 입력 해야 하는 프로그래밍이 전통적인 프로그래밍이고, 자동적으로 결과를 도출 할 수 있는 기준과 규칙을 찾아내는 것이 기계 학습이다.

14팀 10526채성민, 10527한금재, 10528홍지율

2025-06-16 01:12:38 UTC

뉴스기사 분류:

기계는 뉴스 기사를 읽고, 비슷한 내용끼리 자동으로 묶을 수 있어요.예를 들어, 정치 이야기끼리, 스포츠 이야기끼리, 연예 뉴스끼리 나눠요.이렇게 묶는 방법을 군집(Clustering)이라고 해요.사람이 직접 분류하지 않아도, 기계가 스스로 그룹을 만들어줘요.

10팀. 19 윤예준 20 이동훈

2025-06-16 01:14:14 UTC

우리가 트럼프 카드를 군집을 만들 때 군집의 수를 과연 둘로 하는 것이 좋을까, 넷으로 하는 게 좋을까?

색깔로 하면 두 개가 될 것이고, 우리가 모양으로 하면 네 개로 나눌 수 있는데, 어떤 것이 좋다는 정답이 존재하는 것은 아니다!

군집화에 가장 직관적인 예시는 MBTI라고 볼 수 있다.

다수개의 질문을 통해 인간의 성격을 16가지로 군집을 지어 놓은 것이다.

각 군집마다 네이밍을 하고(ex. 세상의 소금형) 그 특징을 설명하고 있다. 이와 같이 군집화는 특정 목적을 위해 군집의 유형을 나누고 -> 정의하고 -> 특징을 요약하여 -> 활용하게 된다.

어찌보면 군집화의 알고리즘을 배우는것 보다 "군집의 유형을 나누고 -> 정의하고 -> 특징을 요약하여 -> 활용"을 고민 하는것이 군집화의 핵심이라고 생각한다. (데이터사이언티스트의 역량이 중요한 분석이다)

성격유형은 MBTI만 있진 않다. 다른 여러가지 성격유형검사가 있으며, 군집이 있다. MBTI가 절대적으로 맞다/틀리다라고 이야기 할 수 없듯이 군집화 결과도 절대적으로 맞다/틀리다를 규정지을 수 없다. 즉, 절대적인 기준이 존재하지 않는다.

5팀 10509 윤지우

2510509_1 — 2025-06-16 01:14:55 UTC

비지도학습은 정답 레이블이 없는 데이터에서 패턴이나 구조를 찾아내는 학습 방법입니다. 군집(clustering)은 비지도학습의 대표적인 기법으로, 데이터 포인트들을 유사한 특성을 가진 그룹으로 묶는 작업입니다. 군집화 알고리즘은 데이터 간의 거리나 밀도, 분포 등을 기준으로 그룹을 형성하며, 대표적인 알고리즘으로는 K-평균(K-means), 계층적 군집화, DBSCAN 등이 있습니다. 군집 분석은 고객 세분화, 이미지 분할, 이상치 탐지 등 다양한 분야에서 활용됩니다. 또한, 군집 결과를 통해 데이터의 내재된 구조를 이해하거나, 후속 지도학습의 특징 추출 단계로도 활용할 수 있습니다.

2팀.3.김예원&4.김예진

2510504_4 — 2025-06-16 01:16:08 UTC

지도 학습 시스템은 레이블이 지정된 데이터가 충분히 주어지면 결국 손으로 쓴 각 숫자와 관련된 픽셀 및 모양의 클러스터를 인식하게 됩니다.

반면, 비지도 학습 알고리즘은 레이블이 지정되지 않은 데이터에서 훈련되며, 새로운 데이터를 검색하며 알 수 없는 입력과 미리 결정된 출력 사이에 의미 있는 연결을 설정합니다.

7팀 (13 정유진, 14 한지민)

2510514_4 — 2025-06-16 01:17:10 UTC

지도학습과 비지도학습은 차이점이 있다.

지도학습: 정답이 있는 데이터를 이용해 학습하는 것

비지도학습: 정답이 없는 데이터를 입력하면 유사한 속성값을 갖는 데이터끼리 모아 그룹을 만들어 학습하는 것

지도학습과 비지도학습은 머신러닝의 기본적인 두 축으로서, 각각의 장단점과 적용 분야가 상이하다.
지도학습은 명확한 목표와 평가 기준 덕분에 분류 및 예측 문제에 강점을 보이는 반면, 비지도학습은 레이블 없는 대규모 데이터의 잠재적인 패턴을 발견하는 데 유리하다.
실제 문제 해결에서는 두 방식을 적절히 조합하거나 반지도학습(semi-supervised learning), 강화학습 등 다양한 기법과 결합하여 활용하는 경우가 많다.

6팀. 11.이민서 & 12.이유림

2510511_4 — 2025-06-16 01:18:18 UTC

전통적인 프로그래밍 방식은 규칙을 입력하고 규칙을 다르게 표현하는 알고리즘이며, 이 규칙에 입력된 데이터를 적용한다. 이 과정을 걸쳐 결과 값으로 나오는 것이 답이다. 기계학습은 입력으로 한 답변과 상대적으로 많은 규모를 필요로 하므로 데이터와 원하는 결과를 알려주면, 스스로 사고하기 위한 규칙을 찾아낸다. 이러한 과정을 통해 기계 학습은 전통적인 프로그래밍이 할 수 없는 과제를 수행하지만, 전통적인 프로그래밍과 달리 그 과정과 결과의 값이 더 부정확하다.

9팀 17번 서민식 18 송승헌

2025-06-16 01:18:51 UTC

이미지 속 동물 분류:이미지 속 동물을 분류하는 지도 학습은 다양한 동물 사진에 ‘고양이’, ‘강아지’ 등 정답 레이블을 붙여 모델을 학습시키고, 조명이나 각도, 배경 등의 환경 변화와 데이터 편향 문제를 고려해 모델이 다양한 상황에서도 정확하게 동물 종류를 예측할 수 있도록 하며, 스마트폰이나 드론 같은 실시간 처리 환경에 맞게 효율적인 알고리즘을 적용하는 동시에 데이터 수집과 활용 과정에서 윤리적 문제도 신경 써야 하는 복합적인 과정입니다.

3팀 5번 류은지,6번 신민솔

2510506_2 — 2025-06-16 01:19:37 UTC

판매량 예측은 기업이 과거의 판매 데이터와 외부(날씨,프로모션,계절 등)을 바탕으로 미래에 특정 상품이나 서비스가 얼마나 팔릴지를 수치로 예측하는 과정이다. 이 예측은 보통 일별,주별,월별 또는 특정 이벤트 기간 동안의 판매량을 목표로 한다. 정확한 판매량 예측은 재고 관리,생산 계획,인력 배치 등에 중요한 역할을 하며, 비용을 줄이고 수익을 극대화 하는 데 기여한다.

12팀 23정덕무 24정시영

2025-06-16 01:24:03 UTC

공부량과 학습시간에 따른 시험점수 예측

학습시간: 4, 5, 2

공부량: 4, 7, 1
시험점수: 70, 90, 30

학습시간 5

공부량 5

예상점수 79

김승현&김쟈우

2510515_3 — 2025-06-16 01:25:24 UTC

1️⃣ 문제 정의

우리가 알고 싶은 것:
"집의 면적이 클수록 가격이 얼마나 올라가는가?"
목표: 집의 면적(㎡)이 주어졌을 때, 그 집의 예상 가격(만원)을 예측

2️⃣ 데이터 예시

집 면적(㎡)집값(만원)30150004020000502500060300007035000

3️⃣ 선형 회귀 모델

이 데이터를 바탕으로 다음과 같은 직선형 수식을 세울 수 있어요:

집값=a×면적+b\text{집값} = a \times \text{면적} + b집값=a×면적+b

예를 들어 모델이 이렇게 나왔다고 해볼게요:

집값=500×면적+0\text{집값} = 500 \times \text{면적} + 0집값=500×면적+0

이 뜻은:

기울기(a) = 500: 면적이 1㎡ 늘어날 때 집값이 500만 원 상승
절편(b) = 0: 면적이 0㎡일 경우 집값은 0 (이건 해석상 무의미할 수 있음)

4️⃣ 예측 예시

55㎡인 집의 가격은?

집값=500×55=27,500만원\text{집값} = 500 \times 55 = 27,500만원집값=500×55=27,500만원