[강의교안] "머신러닝과 딥러닝의 차이는?" CS 전공지식 5강 완벽 정리

안녕하세요. 개발자 취업과 이직을 준비하는 분들을 위해 컴퓨터 과학(CS) 핵심 이론을 정리해 드리고 있습니다. 오늘은 최근 기술 면접에서 가장 핫한 주제인 5단원. 인공지능(AI)과 머신러닝을 다룹니다.

백엔드, 프론트엔드 개발자라도 AI의 기본 동작 원리를 모르면 협업하기 어려운 시대가 되었습니다. 면접관이 "오버피팅(Overfitting)이 뭔가요?", "지도 학습과 비지도 학습의 차이는 무엇인가요?"라고 물었을 때, 당황하지 않고 대답할 수 있도록 핵심만 압축했습니다.

첨부된 강의 자료(PPT)와 함께 아래 요약본을 보시면, AI 분야의 큰 그림을 확실하게 그리실 수 있을 겁니다.

---

[강의 내용 핵심 요약]

이번 5단원에서는 인공지능의 역사부터 최신 트렌드인 생성형 AI와 윤리 문제까지 폭넓게 다룹니다.

1. AI > 머신러닝 > 딥러닝의 관계

• 많은 분들이 혼동하는 개념입니다. AI는 가장 포괄적인 개념, 머신러닝은 데이터를 통해 스스로 학습하는 AI의 구현 방법, 딥러닝은 그중에서도 인공신경망을 활용한 심화 기술입니다.

2. 머신러닝의 3가지 학습법 (면접 빈출!)

• 지도 학습 (Supervised): 정답지(Label)를 주고 가르치는 것. (예: 스팸 메일 분류, 주가 예측)
• 비지도 학습 (Unsupervised): 정답 없이 데이터의 패턴을 찾는 것. (예: 고객 세분화, 이상 탐지)
• 강화 학습 (Reinforcement): 당근과 채찍(보상)을 통해 스스로 성장하는 것. (예: 알파고, 자율주행)

3. 딥러닝과 실제 활용

• 이미지 처리에는 CNN, 자연어 처리(NLP)에는 RNN/Transformer가 쓰인다는 점을 기억하세요.
• 최근에는 **XAI(설명 가능한 AI)**가 중요해지고 있습니다. AI가 왜 그런 결정을 내렸는지 설명할 수 있어야 의료나 금융 분야에서 신뢰받을 수 있기 때문입니다.

4. 엔지니어가 갖춰야 할 AI 윤리

• 데이터 편향성(Bias) 문제와 딥페이크, 개인정보 보호 이슈 등 개발자가 코드 너머로 고민해야 할 윤리적 책임에 대해서도 다룹니다.

 

🤖 [CS 면접 치트키] 5강. 인공지능 & 머신러닝 한 방에 정리!
"머신러닝이 뭔가요?" 면접장에서 버벅거리지 않으려면? 데이터 과학자뿐만 아니라 모든 개발자가 알아야 할 AI 필수 상식을 정리했습니다.
✅ 이런 내용을 담았어요:
지도학습 vs 비지도학습 vs 강화학습 1분 요약
과적합(Overfitting) 해결 방법 3가지
CNN, RNN, GAN... 알쏭달쏭한 용어 정리
면접관이 좋아하는 키워드: XAI(설명 가능한 AI), 데이터 편향성
📁 PPT 자료 포함: 지금 바로 확인하고 면접 준비 끝내세요!