01🧠기계학습은 무엇인가
0/10 lessons문제, 목표값, 정답, 비용
기계학습은 정답이 붙은 사례에서 재사용할 관계를 배우고 오답 비용을 측정할 수 있을 때 시작해. 추정기보다 먼저 문제를 정의해.
Lesson list (10)
- 01머신러닝이라는 게 진짜로 뭐야~32 min · foundation, machine-learning, framing
- 02Rule, Heuristic, 통계, 그리고 ML~28 min · framing, rules, statistics
- 03ML Task Family~26 min · task-types, framing, supervised
- 04Supervised, Unsupervised, 그리고 그 너머~26 min · supervised, unsupervised, self-supervised
- 05Feature, Label, Example, Dataset~30 min · features, labels, tabular-data
- 06예측, 설명, 그리고 결정~26 min · framing, decisions, interpretability
- 07ML이 잘 맞는 케이스, 잘 안 맞는 케이스~24 min · framing, scoping
- 08ML의 숨은 비용~28 min · mlops, lifecycle
- 09고전 ML, Deep Learning, LLM, 그리고 RAG~30 min · framing, deep-learning, llm
- 10로드맵: 끝나면 뭘 할 수 있게 되나~22 min · roadmap, metacognition
Pippa, is this repetition intentional? It looks like each lesson uses nearly the same core content, with only the title-specific opening paragraph plus the final code snippet, reference link, and exrcise changing. Is this structure designed on purpose for reinforcement, or is it placeholder/template content that will become more differentiated later?