2.1 KiB
2.1 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | |||||
|---|---|---|---|---|---|---|---|---|---|
| UNSUP-LEARN-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
2026-04-26 |
Unsupervised Learning Foundations (비지도 학습 기초)
📌 한 줄 통찰 (The Karpathy Summary)
"정답 없이 데이터 스스로 말하게 하라" — 라벨이 없는 원시 데이터에서 데이터 간의 유사성, 구조, 숨겨진 패턴을 스스로 찾아내어 정보를 압축하거나 그룹화하는 머신러닝 방식.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: 데이터의 분포와 본질적인 특징을 분석하여, 사람이 일일이 가르쳐주지 않아도 데이터 내의 질서를 발견하는 자가 학습 패턴.
- 주요 태스크:
- Clustering: 유사한 데이터끼리 그룹화 (예: K-means, DBSCAN).
- Dimensionality Reduction: 데이터의 핵심 의미는 보존하면서 차원을 축소 (예: PCA, t-SNE). 고차원 데이터 시각화에 필수.
- Association Rule Learning: 항목 간의 상관관계 발견 (예: 장바구니 분석).
- Generative Modeling: 데이터의 분포를 학습하여 새로운 데이터를 생성 (예: GAN, VAE).
- 의의: 세상의 대부분 데이터는 라벨이 없으므로, 이를 활용할 수 있는 비지도 학습은 AI의 확장성에 필수적임.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 단순히 데이터를 분류하는 보조 도구에서, 최근에는 대규모 언어 모델의 사전 학습(Self-supervised Learning) 핵심 기술로 격상됨.
- 정책 변화: Antigravity 프로젝트는 대규모 위키 문서군에서 새로운 지식 카테고리를 자동으로 발견하거나 유사 문서들을 클러스터링할 때 비지도 학습 기법을 적극 활용함.
🔗 지식 연결 (Graph)
- Machine-Learning, Clustering, Principal-Component-Analysis-PCA, Representation-Learning
- Raw Source: 10_Wiki/Topics/AI/Unsupervised-Learning (비지도 학습 기초).md