최근에 참고한 머신러닝 관련 논문이 있다면, 그 내용을 어떻게 실제 프로젝트에 적용했는지 이야기해 주세요.

저는 지도 학습에서 회귀와 분류의 차이를 목적 함수로 구분하는 방식으로 설명합니다. 회귀는 연속값 예측이고 분류는 클래스 확률을 다루기 때문에, 손실 함수부터 달라집니다. 실습에서 로지스틱 회귀를 분류 문제에 잘못 쓴 사례를 직접 디버깅하면서 차이를 체감했습니다. 비지도 학습은 레이블 없이 구조를 찾는 방식인데, 고객 데이터를 k-means로 4개 세그먼트로 나눠 그룹별 패턴을 발견한 경험이 있습니다. 강화 학습은 보상 신호로 행동을 최적화하는 방식이라 실시간 의사결정 시스템에 적합하다고 이해합니다.

세 방식의 차이는 레이블 유무와 피드백 형태에 있다는 관점으로 정리해 두니 헷갈리지 않게 됐습니다. 앞으로도 알고리즘 선택 전에 문제 구조를 먼저 파악하는 방식을 유지하겠습니다. 앞으로도 모델을 선택할 때 문제 구조와 레이블 가용성을 먼저 정의하는 방식을 유지하겠습니다.

지도·비지도·강화학습은 데이터 형태가 아니라 피드백 구조의 차이에서 갈립니다. 알고리즘 이름보다 어떤 학습 신호를 쓰는가를 설명할 수 있어야 실무에서 쓸 수 있습니다.