오늘은 시험 최대 비중인 **도메인 3 모델링(36%)**을 통째로 복습한다. 이 도메인은 "문제를 ML 문제로 정의하고, 올바른 알고리즘을 고르고, 학습·튜닝하고, 평가·디버깅하는" 모델링의 전 과정이다. 시험 한 문제 걸러 한 문제가 도메인 3에서 나온다고 보면 된다. 오늘은 알고리즘 선택 → 딥러닝 → 하이퍼파라미터 튜닝 → 평가의 네 축을 한 흐름으로 엮는다.
[비즈니스 문제]
│
├─ 1) ML 문제 유형 매핑
│ 라벨 있음 → 지도학습 (분류/회귀)
│ 라벨 없음 → 비지도 (군집/이상탐지/차원축소)
│ 보상 신호 → 강화학습
│
├─ 2) 알고리즘 선택
│ 정형 표 데이터 → XGBoost, Linear Learner
│ 이미지 → CNN (Image Classification)
│ 시퀀스/시계열 → RNN/LSTM, DeepAR
│ 텍스트 → BlazingText, Transformer
│
├─ 3) 학습/튜닝
│ 하이퍼파라미터 = 학습 전 사람이 정함
│ AMT(베이지안)로 탐색, 과적합 ↔ 과소적합 조절
│
└─ 4) 평가/디버깅
분류=정밀도/재현율/F1/AUC, 회귀=RMSE/MAE/R²
Debugger(과정) / Clarify(편향·설명)