22개정 인공지능 수학 · Unit 1 · 수학으로 읽는 인공지능과 데이터
큰 데이터에서 패턴과 한계 찾기
자료가 많아도 모집단을 제대로 반영하지 못하거나 측정 오류가 크면 믿을 만한 판단을 만들기 어렵습니다.
데이터의 네 질문
자료의 양, 생성 속도, 형태의 다양성뿐 아니라 목적에 맞는 정확성과 대표성을 점검합니다.
\[\text{quality}=f(\text{accuracy, completeness, representativeness})\]
중심과 퍼짐
평균만 보지 않고 자료가 얼마나 퍼져 있는지 함께 살펴야 집단의 특징을 제대로 비교할 수 있습니다.
\[\bar{x}=\frac1n\sum_{i=1}^{n}x_i\]
편향 점검
표본이 특정 집단에 치우치면 학습된 모델의 결과도 같은 방향으로 치우칠 수 있습니다.
\[\text{sample distribution}\approx\text{target distribution}\]
학습 원칙
계산 결과만 제시하지 않고 사용한 데이터, 수학적 가정, 평가 기준과 적용 한계를 함께 설명합니다. 개인정보와 편향 가능성을 확인하고 인공지능의 출력을 확정된 사실로 해석하지 않습니다.
교육과정 구성 근거
국가교육과정정보센터의 2022 개정 교육과정, 한국과학창의재단 수학과 교육과정 개발 연구, 부산광역시교육청 고교학점제 과목 안내를 과목 성격과 내용 범위 확인에 참고했습니다. 단원 구성, 강의명, 설명과 예시는 이 사이트의 학습 흐름에 맞게 독립적으로 작성했습니다.
Checkpoint
평균이 같은 두 데이터 집합이 서로 다른 판단을 만들 수 있는 이유를 산포와 대표성의 관점에서 설명하세요.