AI 역사로 이해하는 데이터 사이언스 — AI·ML·딥러닝·통계학의 관계를 3단계로 정리
AI 역사의 흐름을 따라가면 AI·ML·딥러닝·통계학의 관계와 차이가 선명해진다. 1800년대 통계학부터 ChatGPT까지의 연대기와 통계학(추론) vs 머신러닝(예측)의 핵심 차이를 이해하면 데이터 사이언스 전체 지형이 보인다.
NumPy 활용, AI에게 제대로 시키려면 개념부터 잡아야 하는 3가지 이유
numpy 활용, AI에게 맡기기 전에 개념부터 잡아야 한다. 배열 구조·인덱싱·집계·난수 생성 4단계에서 무엇을 결정해야 하는지, 그 판단을 AI 요청에 어떻게 녹이는지를 현장 엔지니어 언어로 정리했다.
numpy 배열이란 무엇인가 — AI에게 데이터 작업을 맡기기 전에 반드시 잡아야 할 개념
numpy 배열이 파이썬 리스트와 다른 이유, 80배 빠른 속도의 원리, 1차원부터 4차원까지 차원 개념까지 — 현장 엔지니어 언어로 풀어낸 머신러닝 입문 필수 개념 정리
회귀분석이란 — 도메인 지식이 머신러닝의 출발점인 3가지 이유
회귀분석이란 숫자를 예측하는 머신러닝 작업이다. 코딩보다 도메인 지식이 먼저인 이유 3가지를 F1 엔지니어링 시나리오로 풀어본다. 현장 엔지니어라면 이미 출발선이 다르다.
