AI 입문에서는 수학 책을 끝낸 뒤에야 프로젝트를 시작해야 하는 것은 아닙니다. 작은 데이터 문제를 정하고 필요한 통계·선형대수 개념을 구현과 함께 익히면 각 개념의 쓰임을 확인할 수 있습니다.
문제 정의
예측하려는 값과 사용할 입력, 성공 기준을 먼저 적습니다. 훈련 데이터와 평가 데이터를 나눌 때 같은 대상의 정보가 양쪽에 섞여 성능이 과장되지 않도록 확인하세요.
기초 수학
평균·분산, 확률, 벡터와 행렬, 손실 함수의 의미를 작은 수치 예제로 계산합니다. 공식을 외우기보다 어떤 가정을 두고 값을 비교하는지 설명해 보세요.
파이썬 실습
데이터를 읽고 누락값을 확인한 뒤 단순한 기준 모델을 만듭니다. 정확도 하나만 제시하지 말고 오분류와 한계를 분석하며 실행 환경과 데이터 출처를 기록하세요.
관련 기술의 공식 설명은 Google 머신러닝 학습 과정에서 확인하세요. 관련 주제: 데이터분석 포트폴리오 평가 기준: 문제·데이터·검증·설명.
자주 묻는 질문
복잡한 신경망부터 배워야 하나요?
처음에는 데이터 분할과 단순 모델의 평가를 이해한 뒤 문제에 맞춰 모델의 복잡도를 늘리는 편이 좋습니다.