AI 기초 활용은 2027~2029 컴퓨터 일반의 새 범위입니다. 아래 사례는 개념을 익히기 위한 독자 설명이며, 공식 출제 비중이나 실제 문항을 뜻하지 않습니다.
AI와 기계학습
AI는 인식·추론·예측 등 지능적인 작업을 수행하도록 만드는 기술을 포괄합니다. 기계학습은 데이터에서 패턴을 학습하는 접근입니다. 정해진 수식으로 합계를 계산하는 모든 프로그램을 기계학습이라고 하지는 않습니다.
입력과 정답을 함께 학습
지도학습은 입력에 대응하는 정답 정보를 포함한 예시로 관계를 학습합니다. 정상·스팸 표시가 있는 메일로 분류기를 학습하는 것이 예입니다. 정답 표시 없이 유사한 자료를 묶는 군집화는 다른 접근입니다.
학습과 새 데이터 평가
학습에 쓴 자료만 잘 맞히는 것으로 충분하지 않습니다. 학습에 직접 쓰지 않은 데이터로 결과를 확인해야 새 상황에 적용되는지 판단할 수 있습니다. 과적합은 학습 자료에 지나치게 맞춰져 새로운 자료에서 성능이 낮아질 수 있는 상태입니다.
분류·예측·생성의 사례
정상 메일과 스팸을 구분하는 것은 분류, 내일의 판매 수량을 추정하는 것은 수치 예측, 문장·그림을 새로 만드는 것은 생성의 사례입니다. 생성한 문장이 자연스럽다고 사실이 보장되지는 않습니다.
데이터의 품질과 대표성
누락·오류·편중된 자료는 결과를 왜곡할 수 있습니다. 데이터의 양뿐 아니라 출처, 정확성, 목적에 맞는 구성도 점검합니다. 이 사례들은 공개된 기초 범위를 풀어 설명한 것으로 세부 용어별 출제 횟수는 공개되지 않았습니다.