모델 학습Training
Training
데이터와 학습 목표를 바탕으로 모델의 내부 숫자를 조정하는 과정이에요.
쉽게 비유하면
문제를 풀고 결과를 확인하며 다음에는 더 잘 풀도록 연습하는 것과 같아요.
조금 더 자세히
모델의 예측과 목표 사이의 차이를 손실로 계산하고, 이를 줄이도록 가중치를 조정해요. 정답표가 없는 자기지도학습도 데이터에서 학습 신호를 만들 수 있어요.
학습 데이터를 잘 맞히는 것만으로는 충분하지 않아요. 따로 둔 검증 자료로 조정하고, 최종 시험 자료로 새로운 입력에 대한 성능을 확인해요.
왜 생겼나요
사람이 규칙을 모두 적는 대신, 예측이나 생성에 필요한 패턴을 데이터에서 배우도록 하는 핵심 과정이에요.
어떻게 작동하나요
- 1. 목표와 데이터 학습 목표를 정하고 데이터를 나눠 준비해요.
- 2. 반복 조정 출력과 손실을 계산하고 모델 파라미터를 바꿔요.
- 3. 검증과 저장 성능을 확인하고 사용할 모델을 저장해요.
활용 예시
- 수요 예측 모델 만들기
- 언어 모델 사전 학습
- 기존 모델 파인튜닝
흔한 오해
학습을 오래 할수록 좋아지나요?
학습 자료에 과하게 맞춰 새 자료에서 성능이 나빠질 수 있어요. 검증 성능과 비용을 보고 중단 시점을 정해요.
이렇게 쓰여요
모델 개선 논의
“추가 학습 전에 데이터 오류와 평가 기준부터 확인하자”라고 말하면 잘못된 자료를 더 배우는 일을 줄일 수 있어요.
관련 용어
함께 보면 좋은 용어
최종 업데이트