머신러닝 (Machine Learning)

ML Engineer에게 필요한 모델링과 시스템 구현 내용을 학습 순서대로 정리합니다.

학습 순서

1. 머신러닝 기초 — 문제 정의, split, 일반화와 최적화
2. ML 데이터 — 품질 검사, 전처리, feature와 SQL
3. 머신러닝 모델 — 주요 모델군과 선택 조건
4. 모델 평가 — baseline, metric, calibration과 오류 분석
5. ML Engineering — pipeline, test, serving과 운영
6. 딥러닝 — 신경망, Transformer와 LLM
7. 커리어 준비 — 포트폴리오와 면접

완료 기준

• 개념을 자신의 데이터와 실패 사례로 설명한다.
• notebook 밖에서 학습·평가·예측을 재현한다.
• metric, latency, 비용과 제한 조건을 측정해 남긴다.
• planned 노트는 코드·실험·문서 근거가 생기면 in-progress로 바꾼다.