AICE Associate 2일차 학습자

AICE Associate 2일차 학습 자료

학습 목표

• 머신러닝 워크플로우(데이터 수집 → 전처리 → 모델링 → 평가 → 배포) 단계 이해.
• Auto ML의 개념과 활용 사례 숙지.
• AICE Associate 시험에서 자주 출제되는 워크플로우 및 Auto ML 관련 용어 익히기.
• 1일차 주요 개념(지도학습, 비지도학습, 강화학습, 주요 용어) 복습.
• 소요 시간: 1~2시간.

1. 1일차 복습

주요 개념 복습

• AI 정의: 인간의 지능을 모방하거나 특정 작업을 자동화하는 컴퓨터 시스템(예: 챗봇, 이미지 인식).
• 머신러닝(ML): 데이터를 학습해 패턴을 찾아 예측/결정을 내리는 기술(예: 스팸 필터).
• 학습 유형:
  • 지도학습: 입력(X)과 라벨(Y)로 학습(예: 회귀-집값 예측, 분류-스팸 메일).
  • 비지도학습: 라벨 없이 패턴 학습(예: 클러스터링-고객 세분화).
  • 강화학습: 보상을 최대화하도록 학습(예: 게임 AI).
• 주요 용어: 데이터셋, 특징(Feature), 라벨(Label), 하이퍼파라미터, 오버피팅.
• 퀴즈 복습:
  • Q: 지도학습과 비지도학습의 차이점은?
    A: 지도학습은 라벨이 있는 데이터를 사용, 비지도학습은 라벨 없이 패턴을 찾음.
  • Q: 회귀 분석의 예는?
    A: 주택 가격 예측.
  • Q: 머신러닝 워크플로우의 첫 단계는?
    A: 데이터 수집.

복습 과제

• 1일차 주요 용어 5개(지도학습, 비지도학습, 회귀, 분류, 오버피팅)를 1~2문장으로 다시 정의.
• 예: “지도학습: 입력 데이터와 정답 라벨을 사용해 모델을 학습시키는 방법(예: 스팸 메일 분류).”

소요 시간: 15분.

2. 머신러닝 워크플로우

정의

• 머신러닝 워크플로우: 데이터를 활용해 모델을 개발하고 배포하는 일련의 과정.
• 단계:
  1. 데이터 수집: 분석에 필요한 데이터 준비(예: CSV, Excel 파일).
  2. 데이터 전처리: 결측치 처리, 정규화, 인코딩 등 데이터 정제.
  3. 모델링: 적합한 알고리즘 선택(예: LinearRegression, KMeans).
  4. 평가: 모델 성능 측정(예: 정확도, RMSE).
  5. 배포: 학습된 모델을 실제 서비스에 적용.
• AICE 시험 팁: 워크플로우 단계를 순서대로 묻거나, 특정 단계의 역할(예: “전처리의 목적은?”)을 묻는 문제가 빈출.

실습 퀴즈

• 문제 1: 머신러닝 워크플로우에서 데이터 전처리 다음 단계는?
  A: 데이터 수집, B: 모델링, C: 배포
  답: B
• 문제 2: 모델 평가에서 사용하는 지표로 적절한 것은?
  A: CSV 파일, B: F1-score, C: 하이퍼파라미터
  답: B

3. Auto ML 개념과 활용

Auto ML이란?

• 정의: 코딩 없이 머신러닝 모델을 자동으로 생성/최적화하는 도구(예: Google AutoML, H2O.ai).
• 특징:
  • 데이터 업로드 → 자동 전처리 → 모델 선택/학습 → 평가까지 자동화.
  • 비전문가도 AI 모델을 쉽게 개발 가능.
• 활용 사례:
  • 고객 이탈 예측: 고객 데이터를 업로드해 이탈 가능성 예측.
  • 이미지 분류: 사진 데이터를 사용해 객체 인식 모델 생성.
• AICE 시험 팁: Auto ML의 워크플로우(데이터 입력 → 모델 생성 → 결과 해석)와 장점(효율성, 접근성)을 이해해야 함.

실습 퀴즈

• 문제 3: Auto ML의 주요 장점은?
  A: 코딩이 필수다.
  B: 비전문가도 쉽게 사용할 수 있다.
  C: 모델 평가를 생략한다.
  답: B
• 문제 4: Auto ML로 해결 가능한 사례는?
  A: 고객 데이터를 사용한 이탈 예측
  B: 수동으로 데이터 전처리
  C: 하드웨어 설계
  답: A

4. 추천 자료

• 교재: 시나공 AI 능력시험 AICE Associate (길벗출판사), 2장 (머신러닝 워크플로우, Auto ML 관련).
• 온라인 강의: AICE 공식 홈페이지(aice.study)의 AI/DX Story 무료 영상(‘머신러닝 워크플로우’ 섹션).
• 추가 참고: Google AutoML 공식 문서 또는 H2O.ai 튜토리얼(예: “H2O AutoML 소개”).
• 도구: JupyterLab에서 워크플로우 관련 간단한 예제 실행(예: CSV 파일 로드).

5. 학습 팁

• 워크플로우 단계를 그림으로 그려보며 암기(예: 데이터 수집 → 전처리 → …).
• Auto ML은 개념 위주로 이해하고, 실제 도구(Google AutoML) 사용 예시 검색.
• AICE 홈페이지의 연습문제(워크플로우, Auto ML 관련) 1~2개 풀어보며 시험 스타일 익히기.
• 모르는 용어는 검색(예: “AICE Auto ML 사례”).

6. 2일차 과제

• 시나공 교재 2장 읽기(30분).
• AICE 홈페이지 연습문제 1개 풀이(20분, 워크플로우 또는 Auto ML 관련).
• 머신러닝 워크플로우 5단계 노트에 작성 및 암기(10분).
• Auto ML의 정의와 활용 사례 1~2문장으로 정리(10분).
• 1일차 복습: 주요 용어 5개 정의 다시 쓰기(15분).

총 소요 시간: 약 1시간 25분.