오늘 끝나면
AI 준비운동: 함수와 그래프
- ✓AI 준비운동: 함수와 그래프의 핵심 문제를 한 문장으로 설명한다
- ✓오른쪽 실습에서 AI이 어떻게 움직이는지 관찰한다
- ✓다음 강의와 이어지는 한계를 말할 수 있다
실습 미션
입력 x가 출력 y로 바뀌는 길 — 직선, 곡선, 결정경계 이 문장이 실제로 무슨 뜻인지 실습에서 한 번 손으로 확인한다.
성공 조건
- □실습의 기본값을 먼저 관찰
- □입력값이나 모드를 한 번 이상 바꿔 결과 비교
- □왜 결과가 바뀌었는지 한 문장으로 설명
AI · 준비운동 2
함수와
그래프
모델은 거대한 함수임. 입력을 넣으면 출력이 나옴. 오늘은 그 함수를 눈으로 보는 법을 잡음.
함수 = 입력을 출력으로 바꾸는 규칙
함수는 어려운 말이 아니라 변환 규칙임.
온도를 넣으면 전기요금이 나오고, 공부 시간을 넣으면 예상 점수가 나오고, 픽셀을 넣으면 고양이 확률이 나옴. 이 넣고 받는 구조가 함수임.
머신러닝 모델도 함수임. 차이는 사람이 규칙을 직접 쓰지 않고, 데이터로부터 규칙의 숫자를 맞춘다는 점임.
입력 x
공부 4h
함수 f
규칙
출력 y
82점
직선 하나도 모델이다
가장 단순한 모델은 직선임.
y = wx + b. 여기서 w는 기울기,b는 시작 위치임. 이 두 숫자만 바꿔도 전혀 다른 선이 됨.
Day 1의 퍼셉트론도 사실 이 선을 움직이는 모델임. 선 한쪽은 0, 다른 쪽은 1이라고 읽음.
분류는 경계선을 긋는 일
분류 문제는 공간을 나누는 일임.
스팸/정상, 구매/미구매, 고양이/강아지. 출력은 다르지만 핵심은 같음. 입력 벡터들이 놓인 공간에 경계를 긋고 어느 쪽인지 판단함.
쉬운 문제는 직선 하나로 나뉨. 어려운 문제는 휘어진 경계나 여러 층이 필요함. XOR이 바로 그 첫 번째 벽임.
복잡한 모델 = 작은 함수의 조립
딥러닝은 큰 공식을 하나 외우는 분야가 아님.
작은 함수들을 여러 층으로 이어 붙임. 앞층은 단순한 패턴을 잡고, 뒤층은 그 패턴을 다시 조합함. 그래서 선 하나로 못 나누는 문제도 풀 수 있음.
다음 준비운동에서는 이 함수가 어떻게 스스로 좋아지는지, 즉 학습 루프를 봄.