docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Supervised-Learning-Foundations.md

@@ -2,7 +2,7 @@
 id: AI-SUP-LEARN-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, machine-learning, [[Supervised-Learning]], classification, regression, model-training, labels]
+tags: [ai, machine-learning, [[Supervised-Learning|Supervised-Learning]], classification, regression, model-training, labels]
 last_reinforced: 2026-04-26
 ---
 
@@ -16,13 +16,13 @@ last_reinforced: 2026-04-26
 - **주요 문제 유형:**
     - **Classification:** 이산적인 범주 예측 (예: 스팸 메일 분류, 질병 진단).
     - **Regression:** 연속적인 수치 예측 (예: 주택 가격 예측, 매출 전망).
-- **핵심 프로세스:** 데이터 수집 → 전처리 → 모델 선택 → 학습(Training) → 검증(Validation) → 평가([[Testing]]) → 배포.
+- **핵심 프로세스:** 데이터 수집 → 전처리 → 모델 선택 → 학습(Training) → 검증(Validation) → 평가([[Testing|Testing]]) → 배포.
 - **의의:** 기상 예보, 자율주행, 의료 판독 등 정답이 존재하고 데이터 확보가 가능한 거의 모든 실세계 인공지능 응용 분야의 근간이 됨.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌:** 단순히 학습 데이터를 완벽히 외우는 것이 최고라 믿던 시대에서 벗어나, 이제는 학습하지 않은 새로운 데이터에 대한 성능(일반화, Generalization)을 높이기 위해 과적합([[Overfitting]])을 방지하는 규제([[Regularization]])와 검증 전략이 모델 설계의 성패를 좌우함.
+- **과거 데이터와의 충돌:** 단순히 학습 데이터를 완벽히 외우는 것이 최고라 믿던 시대에서 벗어나, 이제는 학습하지 않은 새로운 데이터에 대한 성능(일반화, Generalization)을 높이기 위해 과적합([[Overfitting|Overfitting]])을 방지하는 규제([[Regularization|Regularization]])와 검증 전략이 모델 설계의 성패를 좌우함.
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 분류 및 답변 정확도 향상을 위해, 고품질의 레이블링된 데이터를 기반으로 하는 지도 학습 파이프라인을 지능의 핵심 기동 엔진으로 상시 운용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Deep-Learning]]-Foundations, [[Reinforcement-Learning]], [[Self-Supervised-Learning]], [[Performance-Metrics-in-AI]]
+- [[Deep-Learning|Deep-Learning]]-Foundations, [[Reinforcement-Learning|Reinforcement-Learning]], [[Self-Supervised-Learning|Self-Supervised-Learning]], [[Performance-Metrics-in-AI|Performance-Metrics-in-AI]]
 - **Raw Source:** 10_Wiki/Topics/AI/Supervised-Learning-Foundations.md