단답형 60문항 학습용 HTML

특성 공학은 기존 데이터에서 모델 학습에 도움이 되는 새로운 특성을 만드는 과정입니다. 날짜 데이터에서 요일을 추출하면 평일과 주말의 차이처럼 숨은 패턴을 모델이 학습할 수 있습니다.

StandardScaler는 각 특성의 평균을 빼고 표준편차로 나누어 값의 분포를 표준화합니다. 특성마다 단위와 범위가 다를 때 학습을 안정적으로 만드는 데 도움이 됩니다.

max_depth는 결정트리의 최대 깊이를 제한하는 값입니다. 모델이 학습으로 자동 찾는 파라미터가 아니라, 학습 전에 사람이 정하거나 조정하는 하이퍼파라미터입니다.

기계학습 프로젝트는 먼저 해결할 문제를 정하고 데이터를 준비합니다. 이후 전처리, 모델 학습, 평가를 거쳐 모델이 실제 문제를 잘 해결하는지 확인합니다.

모델 평가는 학습 데이터에만 잘 맞는지, 새로운 데이터에도 잘 작동하는지를 확인하는 과정입니다. 이를 통해 일반화 성능을 판단할 수 있습니다.

하이퍼파라미터 값에 따라 모델 성능이 달라질 수 있습니다. 적절한 값을 찾으면 과적합을 줄이고 새로운 데이터에 대한 성능을 높일 수 있습니다.

테스트 데이터에 새로 fit하면 테스트 데이터의 정보가 학습 과정에 섞이는 문제가 생길 수 있습니다. 따라서 학습 데이터로 기준을 정한 뒤 테스트 데이터에는 transform만 적용합니다.

fillna는 결측값을 다른 값으로 채우는 pandas 메서드입니다. df.fillna(0)은 데이터프레임 안의 결측치를 0으로 대체합니다.

과적합은 모델이 학습 데이터의 세부 특징이나 잡음까지 외워버린 상태입니다. 그래서 학습 데이터에서는 잘 맞지만 새로운 데이터에서는 성능이 떨어질 수 있습니다.

머신러닝의 목적은 복잡한 모델을 만드는 것 자체가 아니라, 실제 문제를 잘 해결하는 모델을 만드는 것입니다. 특히 새로운 데이터에서도 잘 작동하는 일반화 성능이 중요합니다.

기계학습은 사람이 모든 규칙을 직접 작성하지 않고, 데이터에서 규칙과 패턴을 찾아 예측이나 판단을 수행하는 방법입니다.

X는 모델에 입력되는 특성 데이터입니다. 예를 들어 공부 시간, 출석률, 과제 점수처럼 예측에 사용되는 값들이 X가 됩니다.

y는 모델이 맞혀야 하는 정답입니다. 분류에서는 범주 레이블, 회귀에서는 예측해야 할 수치값이 y가 됩니다.

분류는 미리 정해진 범주 중 하나를 예측하는 문제입니다. 개와 고양이처럼 결과가 범주로 나뉘면 분류 문제입니다.

회귀는 연속적인 수치 값을 예측하는 문제입니다. 기온, 집값, 매출액처럼 숫자를 예측하는 경우가 회귀입니다.

데이터를 나누는 이유는 모델이 처음 보는 데이터에서도 잘 작동하는지 확인하기 위해서입니다. 학습용 데이터로 훈련하고 테스트용 데이터로 성능을 평가합니다.

fit()은 주어진 데이터로 모델을 학습시키는 메서드입니다. scikit-learn의 많은 모델은 fit()이라는 공통된 방식으로 학습합니다.

predict()는 학습이 끝난 모델을 이용해 새로운 데이터의 결과를 예측하는 메서드입니다.

과적합 모델은 학습 데이터에는 매우 잘 맞지만, 실제 새로운 데이터에는 약할 수 있습니다. 이는 모델이 일반적인 패턴보다 학습 데이터의 세부 사항을 지나치게 외웠기 때문입니다.

scikit-learn은 모델 종류가 달라도 fit(), predict() 같은 비슷한 사용 방식을 제공합니다. 덕분에 여러 모델을 쉽게 비교하고 실험할 수 있습니다.

PEAS에서 P는 Performance measure, 즉 성능 척도를 뜻합니다. 로봇 청소기에서는 청소 완료율, 시간, 전력 사용량 등이 성능 척도가 될 수 있습니다.

액추에이터는 에이전트가 실제 행동을 수행하게 하는 장치입니다. 로봇 청소기의 바퀴 모터는 이동이라는 행동을 수행하게 하므로 액추에이터입니다.

단순 반사 에이전트는 현재 들어온 입력만 보고 조건-행동 규칙에 따라 바로 행동합니다. 과거 기억이나 장기 계획은 사용하지 않습니다.

모델 기반 에이전트는 현재 보이지 않는 상황까지 추정하기 위해 내부 상태나 기억을 사용합니다. 그래서 단순 반사 에이전트보다 더 복잡한 환경에 대응할 수 있습니다.

목표 기반 에이전트는 특정 목표를 달성하기 위해 행동을 선택합니다. 모든 방을 청소한다는 목표가 있으면 이동 경로를 계획할 수 있습니다.

효용 기반 에이전트는 목표 달성 여부뿐 아니라 어떤 선택이 더 좋은지 비교합니다. 효율, 안전, 만족도 같은 가치를 종합해 행동을 결정합니다.

perceive는 보통 에이전트가 주변 환경 정보를 받아들이는 기능을 표현할 때 사용합니다. 센서 입력을 코드로 나타내는 역할입니다.

act는 에이전트가 인지한 정보를 바탕으로 어떤 행동을 할지 결정하거나 실행하는 메서드입니다.

센서는 환경을 인식하는 장치입니다. 자율주행차의 카메라와 라이다는 도로, 차선, 장애물, 보행자 등을 인식하는 데 사용됩니다.

클래스는 속성으로 상태를, 메서드로 행동을 표현할 수 있습니다. 따라서 에이전트를 하나의 객체로 표현하기에 적합합니다.

디지털 전환은 단순히 종이를 컴퓨터로 옮기는 수준을 넘어, 데이터를 활용해 업무나 산업 방식을 바꾸는 것입니다. 스마트팜은 센서와 데이터 분석으로 농업 방식을 바꾸는 예입니다.

생물정보학은 유전체, 단백질, 생명 데이터를 정보과학 기술로 분석하는 분야입니다. 생명과학과 컴퓨터·데이터 과학이 결합된 융합 분야입니다.

T자형 인재는 한 분야의 깊은 전문성을 세로축으로, 여러 분야를 이해하는 넓은 역량을 가로축으로 가진 사람을 뜻합니다.

pandas는 DataFrame을 사용해 표 형태 데이터를 다루는 라이브러리입니다. 데이터 불러오기, 정리, 필터링, 집계 등에 자주 사용됩니다.

matplotlib은 데이터를 그래프나 차트로 표현하는 파이썬 시각화 라이브러리입니다. 막대그래프, 꺾은선그래프, 산점도 등을 그릴 수 있습니다.

이 코드는 major 열의 문자열에 '컴공'이 포함되어 있는지를 검사합니다. 결과는 각 행마다 True 또는 False로 나타납니다.

IT 기술은 전공을 대체하는 것이 아니라 전공 문제를 더 잘 해결하게 해 주는 도구가 될 수 있습니다. 과학, 수학, 공학 문제에 데이터 분석과 프로그래밍을 접목할 수 있습니다.

디지털 기술과 사회 환경은 빠르게 변화합니다. 따라서 학교 졸업 이후에도 계속 배우고 적응하는 평생 학습이 중요합니다.

데이터 분석 프로젝트는 먼저 어떤 질문에 답할지 정해야 합니다. 그다음 질문을 해결하는 데 필요한 데이터를 찾고 수집합니다.

프로그래밍 능력은 강력한 도구이므로 책임 있게 사용해야 합니다. 개인정보 침해, 악성코드 제작, 무단 접근처럼 타인에게 피해를 주는 행동은 피해야 합니다.

오픈소스는 소스 코드가 공개되어 있고, 라이선스 조건에 따라 누구나 사용, 수정, 배포할 수 있는 소프트웨어 모델입니다.

CCL은 저작자가 자신의 창작물을 일정 조건 아래 사용할 수 있도록 허락하는 라이선스입니다. 저작권이 사라지는 것이 아니라 조건을 지켜야 합니다.

전화번호를 '-' 기준으로 나누면 가운데 번호만 선택해 별표로 바꿀 수 있습니다. 이는 개인정보 일부를 가리는 마스킹의 예입니다.

비식별화는 개인정보를 직접 알아볼 수 없게 처리하는 과정입니다. 데이터를 모두 삭제하는 것이 아니라 안전하게 분석할 수 있도록 위험을 줄입니다.

이름과 전화번호는 개인을 직접 식별하거나 다른 정보와 결합해 개인을 알아볼 수 있게 하므로 개인정보에 해당합니다.

BY는 저작자 표시를 뜻하고 NC는 비영리 이용을 뜻합니다. 따라서 BY-NC는 출처를 밝히고 비영리 목적으로만 사용해야 한다는 의미입니다.

.gitignore는 Git이 특정 파일이나 폴더를 추적하지 않도록 지정하는 파일입니다. 비밀번호, API 키, 임시 파일 등을 제외할 때 사용합니다.

파이썬은 문자열을 나누고 합치고 일부만 가져오는 기능이 간단합니다. split, join, slicing 같은 기능으로 텍스트 처리를 쉽게 할 수 있습니다.

오픈 데이터는 공공이나 기관의 데이터를 공개해 새로운 서비스와 연구에 활용하게 하는 것입니다. 버스 위치 API는 교통 앱 개발에 활용될 수 있습니다.

비밀번호는 원문으로 저장하면 유출 시 매우 위험합니다. 단방향 해시를 사용하면 원래 비밀번호를 바로 알기 어렵게 만들 수 있습니다.

가용성은 필요한 사용자가 필요한 시점에 서비스를 사용할 수 있는 성질입니다. DDoS로 서비스가 마비되면 사용자가 이용하지 못하므로 가용성이 침해됩니다.

XSS는 Cross-Site Scripting의 약자로, 웹페이지에 악성 스크립트를 삽입해 다른 사용자의 브라우저에서 실행되게 하는 공격입니다.

디지털 시민은 온라인 공간에서 책임 있게 행동해야 합니다. 유해 정보나 위험한 행동을 발견하면 신고하는 것이 바람직합니다.

부인 방지는 어떤 행위가 실제로 이루어졌음을 나중에 부정하지 못하게 하는 보안 개념입니다. 전자서명이나 로그 기록이 예가 될 수 있습니다.

SQL 인젝션은 입력값으로 SQL 쿼리 구조를 조작하는 공격입니다. 입력값 검증과 준비된 구문을 사용하면 공격 가능성을 줄일 수 있습니다.

비밀번호는 원문이 아니라 단방향 해시로 저장해야 합니다. 실제 서비스에서는 솔트와 느린 해시 알고리즘을 함께 사용하는 것이 좋습니다.

웜은 다른 파일에 기생하지 않고 네트워크를 통해 스스로 복제·전파되는 악성코드입니다.

버퍼 오버플로우는 정해진 메모리 공간보다 큰 데이터를 넣을 때 발생할 수 있습니다. 입력 크기를 검사하지 않으면 메모리 손상이나 공격으로 이어질 수 있습니다.

유료 소프트웨어나 게임 파일을 허락 없이 복사하거나 배포하는 것은 저작권자의 권리를 침해하는 행동입니다.

취약점을 발견하면 공개적으로 악용 방법을 퍼뜨리기보다 담당자에게 먼저 알리고 수정할 시간을 주는 것이 책임감 있는 공개 방식입니다.