Danny's Blog

📊 Model Fit, Bias, and VarianceWhen a machine learning model performs poorly, one of the first thingsto check is whether it’s a good fit for the data. This is oftendiscussed in terms of overfitting, underfitting, andbalance. ✅ Model Fit🔹 Overfitting The model performs very well on training data.\ But performs poorly on evaluation or unseen test data.\ Example: A line that connects every single training point perfectly— great for training, useless for new data.\ Common when the model is too...

🧠 Reinforcement Learning (RL) & RLHF1. What is Reinforcement Learning (RL)?Reinforcement Learning is a type of machine learning where an agentlearns to make decisions by interacting with an environment andmaximizing rewards. Agent → the learner or decision-maker (e.g., a robot, softwarebot).\ Environment → the external system the agent interacts with(e.g., a maze, stock market).\ State → the current situation of the environment.\ Action → the choice the agent makes.\ Reward → feedback (...

🧠 강화학습(Reinforcement Learning, RL)과 RLHF 쉽게 이해하기1. 강화학습이란?강화학습(RL)은 환경(Environment) 속에서 **에이전트(Agent)**가행동(Action)을 수행하면서 보상(Reward)을 얻고, 장기적으로 누적 보상을극대화하는 방식으로 학습하는 머신러닝 기법입니다. 핵심 개념 Agent: 학습자 또는 의사결정자 (예: 로봇) Environment: 에이전트가 상호작용하는 외부 시스템 (예: 미로) Action: 에이전트가 선택할 수 있는 행동 (예: 위, 아래, 왼쪽,오른쪽 이동) Reward: 행동의 결과에 따른 피드백 (예: +100 점 = 성공, -10점 = 벽 충돌) State: 환경의 현재 상태 (예: 로봇의 위치)\ Policy: 상태에 따라 어떤 행동을 할지 정하는 전략 👉 시험 포인트: RL은 보상(Reward) 기반 학습이라는 점이 중요합니다. 2. 강화학습 동작 방식 ...

🤖 머신러닝 알고리즘 – 비지도 학습(Unsupervised Learning) & 자기 지도 학습(Self-Supervised Learning)1. 비지도 학습 (Unsupervised Learning) 라벨(정답)이 없는 데이터에서 패턴, 구조, 관계를 스스로 발견하는 학습 방식 머신러닝 모델이 데이터 그룹을 만들고, 사람이 그 결과에 의미(라벨)를 부여 대표 기법: 클러스터링(Clustering) 연관 규칙 학습(Association Rule Learning) 이상치 탐지(Anomaly Detection) 활용 사례 고객 세분화 (마케팅) 추천 시스템 사기 탐지 👉 시험 포인트: 비지도 학습은 라벨이 없는 데이터를 활용한다는 점 기억하기 2. 클러스터링 (Clustering) 정의: 유사한 특징을 가진 데이터를 묶어 그룹(cluster)으로 나눔 사례: 고객 세분화(Customer Segmentation) 상황: e-commer...

🧠 Machine Learning Algorithms – Unsupervised & Semi/Self-Supervised Learning1. What is Unsupervised Learning? Definition: Machine learning on unlabeled data (no predefined outputs). Goal: Discover hidden patterns, structures, or relationships in the data. Key point: The algorithm finds groups or rules by itself, while humans later assign meaning (labels) to those groups. Common techniques: Clustering → finding groups of similar data (e.g., customer segmentation) Association ...

📘 Training Data & Feature EngineeringWhy Training Data Matters To build a reliable ML model, you need good quality data.\ Principle: Garbage In → Garbage Out. If your input data is messyor incorrect, your model will produce poor predictions.\ Data preparation is the most critical stage of ML.\ The way you model your data (e.g., labeled/unlabeled,structured/unstructured) directly impacts which algorithms you canuse. 👉 Exam Tip: Expect questions about labeled vs. unlabeled ands...

📊 머신러닝 학습 데이터 정리1. 학습 데이터(Training Data)의 중요성 좋은 데이터를 가져야 좋은 모델을 만들 수 있음 Garbage In → Garbage Out : 잘못된 데이터를 넣으면 결과도 잘못됨 가장 중요한 단계 = 데이터를 깨끗하게 준비하는 것 데이터의 종류에 따라 사용할 수 있는 알고리즘도 달라짐 2. 라벨링 데이터 vs 비라벨링 데이터🔹 라벨링 데이터 (Labeled Data) 입력값(Input) + 정답(Output Label)이 함께 있는 데이터 예: 고양이, 강아지 이미지와 각각의 라벨이 함께 있음 사용 사례: 지도학습(Supervised Learning) 🔹 비라벨링 데이터 (Unlabeled Data) 입력값만 있고 정답 라벨이 없음 예: 고양이/강아지 사진만 있고 라벨이 없는 경우 사용 사례: 비지도학습(Unsupervised Learning) → 패턴이나 군집 찾기 ...

🤖 인공지능(AI), 머신러닝(ML), 딥러닝(DL), 생성형 AI (GenAI) 정리1. 인공지능(AI)란? AI는 인간의 지능이 필요한 일을 대신 수행할 수 있는 시스템을 만드는 광범위한 기술 분야입니다. 주요 기능: 인식(Perception) 추론(Reasoning) 학습(Learning) 문제 해결(Problem Solving) 의사결정(Decision Making) 👉 시험 포인트: AI는 큰 개념(우산)이고, 그 안에 ML → DL → GenAI 순서로 세부 기술이 포함됩니다. --- 2. AI의 구성 요소 데이터 계층: 대량의 데이터를 수집 ML 프레임워크 및 알고리즘 계층: 데이터 과학자와 엔지니어가 요구사항에 맞는 알고리즘 설계 모델 계층: 모델 구조 설계, 파라미터 및 최적화 함수 적용 → 학습 수행 애플리케이션 계층: 학습된 모델을 실제 사용자에게 서비스 3. 머신러닝(ML)란? AI의 한 분야로...

🤖 Understanding AI, ML, DL, and GenAI1. What is Artificial Intelligence (AI)?Artificial Intelligence (AI) is a broad field focused on building intelligent systems capable of tasks that usually require human intelligence, such as: Perception Reasoning Learning Problem solving Decision making 👉 AI is an umbrella term covering multiple techniques. 2. AI Components Data Layer: Collects large amounts of data. ML Framework & Algorithm Layer: Data scientists and engine...

🎉 PartyRock – GenAI Playground📌 What is PartyRock? PartyRock is a Generative AI app-building playground powered by Amazon Bedrock. It allows you to experiment with creating GenAI apps using various Foundation Models (FMs). No coding or AWS account is required. The UI is very similar to Amazon Q Apps, but requires less setup. 👉 Link: PartyRock 🔑 Key Features Build GenAI apps without coding Use natural language prompts to create applications Experiment with different widge...