🧠 AI 필수 용어 30선

🔹 인공지능(AI) 기본 개념

1. Artificial Intelligence (AI)
   • 인간처럼 사고하고 판단하는 컴퓨터 시스템 전반.
2. Machine Learning (ML)
   • 데이터를 학습하여 스스로 규칙을 만들어가는 기술. AI의 하위 개념.
3. Deep Learning (DL)
   • 신경망 구조를 기반으로 한 머신러닝. 복잡한 문제를 처리 가능.
4. Neural Network (신경망)
   • 인간 뇌의 뉴런 구조를 모방한 모델. 딥러닝의 기본 단위.
5. Supervised Learning (지도학습)
   • 입력과 정답(label)이 있는 데이터를 학습함.
6. Unsupervised Learning (비지도학습)
   • 정답이 없는 데이터를 군집화하거나 패턴을 찾음.
7. Reinforcement Learning (강화학습)
   • 보상(reward)을 통해 행동을 학습. 예: 알파고, 게임 AI
8. Classification (분류)
   • 데이터를 미리 정의된 카테고리로 나누는 작업. (예: 스팸/정상)
9. Regression (회귀)
   • 숫자 예측 문제. 예: 주식 가격, 집값 예측 등.
10. Clustering (군집화)
    • 비슷한 데이터끼리 자동으로 묶음 (예: 고객 세분화)

---

🔹 딥러닝 구성 요소

1. Input Layer (입력층)
   • 데이터가 들어오는 층
2. Hidden Layer (은닉층)
   • 데이터가 변형되는 중간 처리층
3. Output Layer (출력층)
   • 최종 예측 값이 나오는 층
4. Activation Function (활성화 함수)
   • 비선형성을 부여. ReLU, Sigmoid, Tanh 등이 있음.
5. Loss Function (손실 함수)
   • 예측값과 실제값의 차이를 수치화. 학습 목표를 제공.
6. Optimizer (최적화 알고리즘)
   • 모델이 잘 학습되도록 파라미터를 조정 (예: Adam, SGD)
7. Backpropagation (역전파)
   • 오차를 출력층에서 입력층으로 전파하며 학습.
8. Epoch
   • 전체 학습 데이터를 한 번 모두 학습하는 횟수.
9. Batch Size
   • 한 번에 학습에 사용하는 데이터 수.
10. Overfitting (과적합)
    • 학습 데이터에 너무 맞춰져 일반화가 안 되는 현상.

---

🔹 AI 실전 관련 용어

1. Training Data (학습 데이터)
   • 모델을 학습시키는 데 사용되는 데이터
2. Validation Data (검증 데이터)
   • 학습 중 모델의 성능을 확인하는 데 사용
3. Test Data (테스트 데이터)
   • 최종 성능 평가용 데이터 (훈련에 사용 안 됨)
4. Accuracy (정확도)
   • 전체 예측 중 맞힌 비율
5. Precision (정밀도)
   • 참이라고 예측한 것 중 실제로 참인 비율
6. Recall (재현율)
   • 실제 참 중에서 예측이 참인 비율
7. F1 Score
   • 정밀도와 재현율의 조화 평균
8. Confusion Matrix
   • 예측 결과를 정리한 표. 분류 성능을 시각적으로 확인
9. Hyperparameter (하이퍼파라미터)
   • 사람이 직접 설정하는 값 (예: 학습률, batch size 등)
10. Transfer Learning (전이학습)
    • 기존에 학습한 모델을 다른 유사 문제에 재활용