2nd/10_Wiki/Topics/Supervised-Learning (지도 학습 기초).md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
SUP-LEARN-001	10_Wiki/💡 Topics/AI	1.0	ai machine-learning supervised-learning foundations	2026-04-26

Supervised Learning Foundations (지도 학습 기초)

📌 한 줄 통찰 (The Karpathy Summary)

"정답지가 있는 데이터를 통해 문제와 해답 사이의 지도를 그려라" — 입력 데이터(Feature)와 정답(Label) 쌍을 학습하여, 새로운 입력이 들어왔을 때 정답을 예측하는 함수를 근사하는 가장 전형적인 머신러닝 방식.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 사람이 라벨링한 풍부한 예시 데이터를 바탕으로 데이터 간의 통계적 관계를 파악하고, 이를 통해 미지의 데이터에 대한 범주(Classification)나 수치(Regression)를 추론하는 패턴.
• 핵심 요소:
  • Dataset: 입력(X)과 정답(Y)의 쌍으로 구성된 데이터셋.
  • Classification: 이산적인 카테고리 중 하나로 분류 (예: 스팸 여부, 개/고양이 구분).
  • Regression: 연속적인 수치를 예측 (예: 집값 예측, 주식 가격 추이).
  • Loss Minimization: 모델의 예측값과 실제 정답 사이의 차이를 줄이는 방향으로 가중치 업데이트.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 초기 머신러닝의 주류였으나, 최근에는 막대한 양의 라벨링 비용 문제 때문에 자기 자기 지도 학습(Self-supervised Learning)과 상호 보완적인 관계로 발전 중.
• 정책 변화: Antigravity 프로젝트는 문서 분류 및 감성 분석 등 명확한 기준이 필요한 태스크에 고도로 정제된 지도 학습 모델을 활용함.

🔗 지식 연결 (Graph)

• Machine-Learning, Deep-Learning, Objective-Functions, Gradient-Descent
• Raw Source: 10_Wiki/Topics/AI/Supervised-Learning (지도 학습 기초).md