기계학습의 학습 과정

1. 개요

기계학습의 학습 과정이란 컴퓨터가 데이터를 바탕으로 패턴을 찾고, 판단 결과를 보며 가중치를 조정해 성능을 높이는 반복 절차이다. 한 번 공식에 넣고 끝나는 계산이 아니라, 입력과 판정, 오차 확인, 수정이 되풀이되는 구조로 읽어야 한다. 이 과정은 검색 엔진의 작동 원리, 이진수와 정보 표현, 데이터 압축, 데이터 무결성 검증, 인터넷 주소 체계와 함께 데이터 기반 판단의 큰 흐름을 이룬다.

2. 상세

2.1. 데이터와 패턴 - 무엇을 보고 배우는가

기계학습은 데이터에서 반복적으로 나타나는 특징을 찾는 방식으로 이해할 수 있다. 자료가 입력되면 시스템은 그 안의 특징을 바탕으로 어떤 판정이나 예측을 시도한다.

이때 데이터는 그냥 많이 모으면 되는 것이 아니라, 어떤 특징을 어떻게 반영할지의 문제와 연결된다. 그래서 기계학습 지문은 데이터, 특징, 판정 기준을 단계적으로 나누어 제시하는 경우가 많다.

2.2. 가중치 조정 - 틀린 만큼 고쳐 가기

가중치는 여러 특징이 판단에 미치는 비중이다. 어떤 특징을 더 크게 볼지, 덜 볼지를 조정하면 결과도 달라진다. 학습 과정에서는 결과의 오차를 확인하고, 그 오차를 줄이는 방향으로 가중치를 바꾸어 간다.

이 구조는 검색 순위와 닮아 있다. 여러 신호를 같은 힘으로 더하는 것이 아니라, 신호마다 다른 비중을 주어 종합 판단을 만든다는 점이 공통이다.¹

3. 수능에서는 이렇게 나온다

기계학습 지문은 단계와 반복 구조가 핵심이다. 실제 출제 연결은 아래 위젯으로 확인하고, 본문에서는 읽는 틀을 잡는다.

1. 반복 구조: 데이터 입력, 판정, 오차 확인, 가중치 수정, 성능 개선이 어떻게 이어지는지 묻는다.
2. 가중치의 역할: 여러 특징 중 무엇을 더 크게 반영하는지가 결과를 바꿀 수 있음을 묻는다.
3. trade-off: 성능을 높이려는 과정에서 데이터량, 처리 부담, 정확성 같은 요소가 함께 움직일 수 있다.

4. 헷갈리기 쉬운 것들

흔한 오해	왜 틀렸나	바르게 이해하기
기계학습은 사람이 규칙을 전부 직접 적어 주는 것이다	핵심은 데이터를 통해 패턴과 가중치를 조정한다는 데 있다	데이터 기반으로 성능을 개선하는 반복 과정으로 읽는다
한 번 학습하면 더 이상 수정하지 않는다	학습은 오차를 보며 조정하는 과정으로 설명된다	입력-판정-수정의 순환 구조를 잡는다
가중치는 단순히 특징의 개수다	가중치는 특징이 결과에 미치는 비중과 관련된다	어떤 요소가 얼마나 반영되는지의 문제로 본다

5. 관련 개념

• 검색 엔진의 작동 원리 - 여러 신호를 가중해 결과를 정하는 구조와 연결된다
• 이진수와 정보 표현 - 학습 데이터가 컴퓨터가 처리할 수 있는 값으로 표현되는 전제
• 데이터 압축 - 대량 데이터 처리에서 효율성과 품질 문제가 함께 등장한다
• 데이터 무결성 검증 - 학습에 쓰이는 데이터가 변형되지 않았는지 확인하는 문제와 닿는다
• 인터넷 주소 체계 - 데이터가 이동하고 모이는 네트워크 환경과 연결된다

각주

1. 가중치는 '중요도 표시'라고만 외우면 약하다. 어떤 특징을 더 믿고, 어떤 특징을 덜 믿을지 조정하는 장치로 보면 지문이 훨씬 잘 읽힌다. ↩