기계학습 실습실

학습률 하나만 바꿔도 모델이 딴판이 됩니다

좋은 모델은 이론만으로 나오지 않습니다. 학습률이 너무 크면 발산하고, 너무 작으면 하염없이 느립니다 — 이 감각은 숫자를 직접 바꿔보며 손실 곡선이 요동치거나 안정되는 걸 봐야 생깁니다. 이 실습에서는 하이퍼파라미터를 조절하며 모델이 학습하는 과정을 실시간으로 관찰합니다.

이 페이지에서 배우고 나면

학습률·에폭 등을 바꿔가며 모델이 수렴하거나 발산하는 과정을 직접 볼 수 있습니다.
과적합이 손실 곡선에서 어떻게 드러나는지 눈으로 확인할 수 있습니다.
신경망이 데이터를 학습해 결정 경계를 그려가는 과정을 관찰할 수 있습니다.

기계학습 실습 안내

이 실습실은 기계학습의 핵심 알고리즘을 체험하는 공간입니다. 회귀, 분류, 클러스터링, 모델 평가 등 각 알고리즘의 특성에 맞는 전용 실습 환경과 시각화를 통해 실무적으로 학습할 수 있습니다.

나의 진도 지도 — 기계학습 실습 14개

점 하나가 실습 하나입니다 — 회색 미시작 · 파랑 진행 중 · 초록 완료(모든 예측-확인) · 보라 정복(모든 예측 적중). 진도는 이 브라우저에 저장됩니다.

기계학습 알고리즘별 실습

1단계 · 지도학습 기초 — 회귀와 분류

선형 회귀 실습

경사하강법으로 직선 찾기

기울기와 절편이 조금씩 갱신되며 손실(MSE)이 줄어드는 과정을 실시간으로 관찰하고, 학습률·노이즈의 영향을 실험하세요.

로지스틱 회귀 실습

확률로 분류하기

시그모이드가 선형 값을 0~1 확률로 바꾸는 과정과, 결정 경계가 데이터에 따라 움직이는 것을 확인하세요.

규제 회귀 실습

과적합 → 리지·라쏘로 되돌리기

다항 차수로 과적합을 직접 만들고, λ 다이얼로 리지의 수축과 라쏘의 소멸(계수가 정확히 0!)을 관찰하세요. U-곡선 스윗 스팟 찾기 도전까지.

SVM 실습

서포트 벡터·마진·커널 트릭

점을 드래그해 경계를 붙잡은 소수(서포트 벡터)를 찾고, 내 직선과 최대 마진을 대결시키고, 동심원을 3차원으로 들어 올려 커널의 정체를 확인하세요.

결정 트리·랜덤 포레스트 실습

분할 → 과적합 → 숲의 투표

분할선을 직접 긋고 CART와 대결한 뒤, 트리를 키우며 과적합을 목격하고, 부트스트랩으로 숲을 만들어 앙상블의 원리를 실측으로 확인하세요.

2단계 · 지도학습 심화

지도학습 종합 실습

회귀·분류·평가 한눈에

선형 회귀, 로지스틱 회귀, 모델 평가를 한 페이지에서 비교하며 문제 유형별 선택 감각을 기르세요.

앙상블 실습

배깅 vs 부스팅(AdaBoost)

틀린 점의 가중치가 커지고 다음 스텀프가 그곳을 파는 릴레이를 라운드 단위로 재생하고, 같은 예산의 배깅과 대결시켜 편향·분산 감소의 차이를 실측하세요.

신경망 분류 실습

실제 Iris 데이터 학습

실제 붓꽃(Iris) 데이터로 신경망을 학습시키고, 뉴런 활성값·가중치·순전파 과정을 시각화로 들여다보세요.

3단계 · 비지도학습·강화학습

GMM·EM 실습

소속은 확률이다 — 소프트 클러스터링

E-step은 점의 색을, M-step은 타원을 움직입니다. 로그우도의 단조 증가를 실측하고 K-Means와 대결시키세요 (길쭉형 실측: 98% vs 54%).

K-Means 클러스터링 실습

군집으로 구조 발견

Lloyd 알고리즘의 할당·갱신 과정을 직접 조작하고, Elbow·Silhouette 평가로 군집 수 K를 골라보세요.

비지도학습 종합 실습

PCA·DBSCAN·계층적·연관규칙·이상치

6개 비지도 알고리즘을 한 페이지에서 비교 학습하며 "라벨 없는 데이터에서 구조 찾기"를 체험하세요.

강화학습 실습

치즈 찾는 쥐 — Q-learning 그리드월드

정답 없이 보상만으로 배우는 쥐를 키우세요. Q값이 치즈에서 역전파되는 장면, γ가 정책을 뒤집는 임계, 탐험 없는 ε=0의 대가를 실측합니다.

4단계 · 모델 평가와 튜닝

모델 평가 실습

Confusion Matrix·ROC·교차검증

임계값 슬라이더를 움직이며 혼동 행렬과 Precision·Recall·F1·ROC 곡선이 실시간으로 변하는 것을 확인하세요.

하이퍼파라미터 튜닝 실습

학습률·배치·옵티마이저 실험

신경망을 실제로 학습시키며 설정에 따른 훈련/검증 곡선 변화를 실험 기록표로 비교하고 최적 조합을 찾으세요.

5단계 · 통합 실습 도구와 다음 단계

커스텀 데이터셋 실험

내 데이터로 모델 4종 비교

자신의 CSV/JSON 또는 실제 붓꽃 데이터로 로지스틱 회귀·k-NN·나이브 베이즈·신경망을 학습시켜 성능을 실측 비교하세요.

시계열 예측 (RNN)

순환 신경망의 기억 능력

RNN을 실제로 학습시켜 시계열의 미래를 예측하고, 예측이 통하는 데이터와 안 통하는 데이터를 구분해 보세요.

딥러닝 실습실의 도구로 이동합니다.

딥러닝 실습실

기계학습 다음 단계

신경망·CNN·RNN·Transformer의 전용 실습 8종이 기다립니다 — 여기서 배운 학습 원리가 그대로 이어집니다.