머신러닝 기초 학습 시리즈 (9편)

머신러닝 기초 학습 시리즈 (9편)

신경망과 로컬 LLM으로 가기 전에 손에 익혀 둬야 할 머신러닝 기초

---

선수 지식	AI 입문 시리즈 (선택), Python 기본
다음 시리즈	LLM 핵심 학습 시리즈 (6편)

전체 편 목록

1	ML 기초 학습 (1/9) — 머신러닝과 sklearn: 학습의 좌표계
2	ML 기초 학습 (2/9) — 이웃 알고리즘: k-NN의 단순함과 함정
3	ML 기초 학습 (3/9) — 선형 회귀: 최소제곱부터 경사하강까지
4	ML 기초 학습 (4/9) — 로지스틱 회귀와 분류: 확률을 만드는 법
5	ML 기초 학습 (5/9) — 정규화와 모델 선택: 과적합을 다루는 법
6	ML 기초 학습 (6/9) — 신경망 기초: 퍼셉트론에서 MLP까지
7	ML 기초 학습 (7/9) — 딥러닝 학습 기법: 옵티마이저·정규화·초기화
8	ML 기초 학습 (8/9) — 딥러닝 아키텍처 한 바퀴: CNN·RNN·Attention
9	ML 기초 학습 (9/9) — PyTorch vs TensorFlow, 그리고 로컬 LLM

권장 학습 페이스

편당 평균 25~40분 분량. 일주일에 1~3편 페이스로 진행하면 정착도가 가장 높다.