LEVEL 4
AI/머신러닝 입문 코스
데이터의 규칙: 예측 로직
파이썬의 핵심을 찌르는 단계별 퀴즈를 풀어보세요.
섹션 완료도
0%
획득 가능 포인트
480 P
01
02
03
04
손실 함수(Loss Function)의 역할
머신러닝에서 "손실 함수(Loss Function)"가 측정하는 것은?
05
MSE에서 오차를 제곱하는 이유
MSE(평균 제곱 오차)에서 오차를 제곱하는 가장 큰 이유는?
06
머신러닝에서 "학습"의 의미
머신러닝에서 모델을 "학습시킨다(fit)"는 것은 정확히 무엇을 의미하는가?
07
경사하강법과 학습률(Learning Rate)
경사하강법에서 학습률(Learning Rate)이 너무 크면 발생하는 문제는?
08
선형 회귀의 핵심 공식
선형 회귀 모델 y = wx + b에서 w와 b가 의미하는 것은?
09
선형 모델의 가중치 합산 구현
입력 데이터(x)에 가중치(w)를 곱하고 편향(b)을 더해 예측값을 산출하는 함수를 완성하고, 실제 데이터로 호출해 보세요.
10
MSE 손실 계산 루틴
실제값 리스트와 예측값 리스트의 차이를 제곱하여 평균을 내는 MSE(Mean Squared Error) 계산 과정을 완성하고 결과를 확인하세요.
11
사이킷런 워크플로우 완성
Scikit-learn을 사용하여 선형 회귀 모델을 생성(LinearRegression), 학습(fit), 예측(predict)하는 전체 파이프라인을 완성하세요.
12
데이터 차원 정렬(Reshape)
사이킷런 입력 규격에 맞게 1차원 데이터를 2차원 행렬로 변환하고 모델에 학습시키는 과정을 완성하세요.
13
학습 결과(파라미터) 분석
학습된 선형 회귀 모델에서 가중치(기울기)와 절편 속성을 출력하여 AI가 찾은 수식을 확인하는 코드를 완성하세요.
14
경사하강법과 학습률 적용
가중치를 업데이트하는 경사하강법의 원리를 함수로 구현해 보았습니다. 빈칸에 적절한 변수와 메서드를 채워넣으세요.