[내일배움캠프] 본캠프 4/22

오늘 한 일

• 코드카타(머신러닝 객관식 문제)
• 머신러닝 심화 강의 완강
• 세션 복습

머신러닝은 여러가지 목적(예측, 분류 등)을 위해 데이터를 수집, 전처리, 분(train data, test data)를 하여 학습시키는 것.

필요한 용도에 맞게 선형회귀나 다중선형회귀, 로지스틱 회귀 등을 사용할 수 있다.

 

데이터를 학습시키기 전 데이터 가공? 전처리를 위해 데이터 클리닝, 스케일링, 인코딩 등의 작업이 필요하다.

 

 

상세한 코드 짜는법은 아직 어려워서... 잘 할 수 있을지 걱정이다.

• 품질경영기사 공부

처음엔 진짜 막막했는데 강의 보면서 공식 유도 하나하나 따라 해보니까 생각보다 할만했다.

이제 확률과 확률분포 끝냈는데... 전체에 비하면 작은 언덕을 하나 넘은거겠지..?

앞으로 갈길이 더 멀다....

• 아티클 스터디

https://evan-moon.github.io/2026/04/18/developers-who-stopped-growing-in-ai-era/

요약

AI가 발전함에 따라 개발 실력이 성장하지 않는 현상이 발생하고 있다. AI가 만든 결과물을 그대로 수용하는 것이 아닌, 구체적으로 판단하고 교정하는 능력이 중요하다. 장기기억은 쉽게 이해한 것 보다 어렵고 힘들게 처리한 것이 더 오래 남는다. 이러한 사실을 바탕으로 보아, AI의 결과물을 수동적으로 받아들이기 보다 능동적으로 인출하는 연습을 해야한다.

인지 부하 이론 -> 학습의 부하에는 세 종류가 있다. 내재적 부하, 외재적 부하, 본질적 부하. AI에게 과제를 맡기면 본질적 부하(ex. 코딩으로 함수를 구현해줘 -> 어떤 자료구조를 쓸지, 어떤 순서로 처리할지, 에러 케이스를 어떻게 다룰지 등)를 맡아버려, 뇌에는 아무것도 남지 않게 된다. 주니어 단계에서 Ai를 남용하면 겉으로는 빠르게 결과물을 내지만, 뇌 안에서는 아무런 절차 기억이 형성되지 않는 상태가 될 수 있다. 이는 해설지를 펼쳐놓고 수학 문제를 푸는 것과 같다.

성장을 위해서는 뇌에 부하를 걸어야 한다. 예를 들면 AI에게 코드를 맡기기 이전에 자신의 설계안을 만들어 두는 것이다. AI는 생산의 도구로는 탁월하지만 학습의 도구로서는 한계가 있다.

 

주요 포인트

AI가 마냥 나쁘다는 것이 아니라, 앞으로 코드 개발자로서 성장하는 데에 있어서는 AI의 남용은 학습 능력을 저하시켜, 결국에는 자신의 성장을 멈추게 한다. 이를 방지하기 위해서는 스스로 생각하는 힘을 길러서 어느 정도의 고통을 감내해야 한다.

 

핵심 개념

절차 기억 : 자전거 타기처럼 반복 학습을 통해 몸으로 익힌 기술이나 행동 절차에 대한 장기 기억

본질적 인지 부하 : 학습자가 학습자료를 이해하고 정보를 처리하기 위해 노력을 기울일 때 발생하는 부하

 

용어 정리

인출 연습 : 학습 내용을 의도적으로 떠올려보는 연습을 통해 기억을 강화하는 방법

신경 효율성 : 뇌가 최소한의 에너지와 자원을 사용하여 인지 과제를 처리하는 최적화 된 상태