ML 핵심 개념

이 섹션은 머신러닝의 기초부터 최신 기법까지, GenAI 이전의 전통적 ML/DL 지식을 체계적으로 정리합니다. GenAI가 주목받는 시대에도, 예측 모델링, 이상 탐지, 추천 시스템 등 많은 비즈니스 문제는 여전히 전통 ML로 해결됩니다.

참고 학습 경로: GenAI가 처음이라면 GenAI 핵심 개념부터 시작하세요. ML 모델링 경험이 있고 최신 기법/운영 전략이 필요하다면 이 섹션이 적합합니다.

왜 ML 핵심 개념이 필요한가?

많은 제조, 금융, 유통 프로젝트에서 GenAI와 전통 ML을 함께 사용합니다. 예: 이상 탐지(전통 ML) + 원인 분석 보고서 생성(GenAI).

가이드	설명	난이도
Databricks ML 기능 전체 가이드	Databricks ML/AI 플랫폼 전체 아키텍처, Feature Store, AutoML, MLflow, Model Serving, GenAI Agent, MLOps 파이프라인	입문~고급
ML 트렌드 & 최신 기법	알고리즘 70년 진화, Gradient Boosting 비교, 불균형 데이터, HPO, AutoML, 앙상블, Feature Selection, 이상탐지 트렌드	중급~고급
재학습 전략	Data/Concept Drift, 재학습 트리거, Incremental/Continual/Online Learning, Active Learning, RL 기반 전략 자동 선택	중급~고급

ML 개념	Databricks 기능
실험 관리	MLflow Tracking
모델 레지스트리	Unity Catalog Models
하이퍼파라미터 튜닝	Optuna + MLflow
AutoML	Databricks AutoML
Feature 관리	Feature Engineering (Feature Store)
모델 서빙	Model Serving (실시간/배치)
모델 모니터링	Lakehouse Monitoring
GPU 학습	ML Runtime + GPU Cluster