01. 평가 지표
Precision, Recall, ROC, Bias-Variance 등 11개 주제. 모델을 어떻게 평가하는가.
62개 주제, 8개 카테고리
섹션 제목: “62개 주제, 8개 카테고리”02. 모델 유형
Linear, Tree, SVM, kNN, GNN, RL 등 11개 주제. 각 모델이 어떻게 작동하고 언제 쓰는가.
03. 학습 이론
PAC Learning, VC Dimension, Bayesian ML 등 7개 주제. 왜 학습이 가능한가.
04. 최적화
경사하강법, 학습률, 손실함수 등 5개 주제. 어떻게 학습시키는가.
05. 딥러닝
CNN, RNN, Attention, Transformer 등 11개 주제. 딥러닝의 핵심 빌딩 블록.
06. 데이터 엔지니어링
특성공학, 결측치, 불균형, 데이터 누수 등 6개 주제. 데이터를 어떻게 다루는가.
07. 실용 ML
파이프라인, 배포, 윤리, 시스템 설계 등 7개 주제. 실무에서 알아야 할 것.
08. 최신 주제
LLM, 자기지도학습, Few-shot, MLOps 등 4개 주제. 최신 트렌드.
추천 학습 순서
섹션 제목: “추천 학습 순서”01 → 03 → 02 → 04 → 05 → 06 → 07 → 08
평가 지표로 기초를 다진 후, 학습 이론을 통해 “왜 학습이 가능한가”를 이해하고, 모델 유형 → 최적화 → 딥러닝 → 데이터 → 실무 → 최신 주제 순서로 진행하세요.
- 62개 주제를 8개 카테고리로 체계적으로 분류
- 교과서 수준의 깊이 — 정의, 수식, 직관적 설명, 실무 팁
- 한국어 본문 + 영문 기술 용어 인라인 병기
- LaTeX 수식, 다이어그램, 비교 표로 시각적 이해 지원
- 모든 트레이드오프는 양면을 보여주는 구조
- 각 주제마다 흔한 오해/함정 섹션 포함