머신러닝이란? — 데이터로 스스로 배우는 기계

머신러닝이란

머신러닝(Machine Learning)은 사람이 규칙을 직접 정하지 않고, 기계가 데이터에서 규칙(패턴)을 스스로 학습하게 하는 인공지능의 한 방법입니다. 인공지능이라는 큰 목표를 실제로 이루는 가장 대표적인 수단이라고 볼 수 있습니다.

왜 머신러닝이 필요할까요?

스팸 메일 필터를 떠올려 봅시다. “특정 단어가 들어 있으면 스팸”이라는 규칙을 사람이 계속 추가하는 방식은, 새로운 스팸 수법이 나올 때마다 한계에 부딪힙니다. 머신러닝은 스팸과 정상 메일 예시를 대량으로 학습해 판단 기준을 스스로 갱신하므로 변화에 훨씬 강합니다.

머신러닝의 핵심 3요소

• 데이터 : 학습의 재료로, 양과 질이 성능을 크게 좌우합니다.
• 특징(Feature) : 데이터에서 판단에 사용하는 속성입니다. 예를 들어 메일의 단어 빈도가 특징이 됩니다.
• 알고리즘·모델 : 데이터 속에서 규칙을 찾아내는 방법입니다.

학습과 예측, 두 단계로 움직인다

1. 학습 단계 : 준비한 데이터로 모델을 훈련시켜 규칙을 만듭니다.
2. 예측 단계 : 훈련된 모델에 새로운 입력을 넣어 결과를 얻습니다.

머신러닝의 세 가지 큰 갈래

학습 방식에 따라 크게 지도학습, 비지도학습, 강화학습으로 나뉩니다. 이어지는 세 편에서 하나씩 자세히 살펴보겠습니다.

핵심 정리

• 머신러닝은 데이터에서 규칙을 스스로 찾는 인공지능의 대표 기법이다.
• 데이터·특징·알고리즘이 성능을 좌우하는 3요소다.
• 학습 방식에 따라 지도·비지도·강화학습으로 나뉜다.