기초 개념 · Machine Learning초보갱신일 2026. 10. 1.
머신러닝
규칙을 일일이 코딩하기보다, 데이터에서 패턴을 배우게 하는 방법입니다.
비유
요리책을 한 줄씩 외우게 하기보다, 수많은 레시피 사진을 보여 주며 ‘이런 조합이 맛있더라’를 스스로 익히게 하는 것과 비슷합니다.
이렇게 이해하세요
머신러닝은 입력과 정답(또는 피드백) 쌍을 많이 보여 주어, 프로그램이 스스로 규칙을 추정하게 하는 접근입니다. 스팸 필터, 추천, 음성 인식, 요즘의 생성형 AI까지 대부분 이 줄기 위에 있습니다. 전통 소프트웨어가 ‘만약 A면 B’를 사람이 적는다면, 머신러닝은 ‘이런 예시들이 있었어’에서 경계를 배웁니다. 데이터 품질·편향·평가 방법이 성능만큼 중요하고, 학습이 끝났다고 해서 모든 상황에 완벽하진 않습니다. 초보자는 ‘마법’이 아니라 ‘통계적 패턴 학습’이라고 이해하면 기대치가 현실적입니다.
한 줄 암기
ML = 규칙 코딩 대신 예시로 학습
좋은 예
스팸/정상 메일 라벨을 충분히 모아 필터를 학습시키고, 실제 받은편지함으로 다시 평가한다.
피하기
데이터 없이 ‘알아서 똑똑해져’라고만 기대하고, 틀린 결과를 전부 AI 탓으로만 돌린다.
관련 서비스
관련 용어
기초 개념 더보기관련 링크
자주 묻는 질문
딥러닝과 머신러닝은 다른가요?
딥러닝은 머신러닝의 한 갈래로, 신경망을 깊게 쌓아 쓰는 방식입니다. LLM도 대개 딥러닝 계열입니다.
코딩을 몰라도 쓸 수 있나요?
제품화된 생성형 AI·자동화 도구는 코딩 없이도 활용 가능합니다. 다만 ‘왜 틀리는지’를 이해하려면 기본 개념이 도움이 됩니다.