Page 14 -

PART 1 인공지능

이론

이 파트에서는 인공지능(AI)·머신러닝(ML)·딥러닝(DL)의 포함
관계와 인공지능 및 신경망의 역사, 핵심 알고리즘(SVM·CNN

·RNN 등) 그리고 성능 평가 지표(정밀도·재현율·F1 score 등)를
실전 관점에서 정리한다. 시험에서 자주 헷갈리는 개념을 빠르게
분별하고, 표·그림·성능지표를 해석하는 힘을 기른다.

이 파트에서 다루는 것 출제 맵
•인공지능의 이해(개념 · 분류 · 학습유형) 영역 출제 비중
•인공지능 및 신경망의 역사(연도–사건 매칭) 정의·관계 29%
• 핵심 알고리즘 요약(로지스틱회귀, SVM · kNN · 나이브베이 역사 21%
즈 · 의사결정트리/랜덤포레스트 · CNN · RNN/LSTM emd)
알고리즘 매칭 21%
•성능평가 지표(Accuracy · Precision · Recall · F1 score)
지표·계산·해석 29%
(※ 회차별 난도에 따라 변동 가능)

학습 목표 시험 포인트 & 오답트랩
1. AI · ML · DL의 포함 관계와 학습 유형을 정확히 구분한다. •포함 관계 ‘역전’ 오답( “DL이 ML의 상위”) 구별
2. 알고리즘과 대표 적용 분야를 연결해 설명한다. •학습 유형 혼동(지도↔비지도↔강화) 방지
3. 혼동행렬을 이용해 정확도(Accuracy) · 정밀도(Precision) · 재 •알고리즘–적용 매칭(SVM–분류, CNN–이미지, RNN–시계열)
현율(Recall) · F1-score와 같은 AI 성능평가 지표를 계산 · 해석 • 지표 계산 반올림 규칙(소수 둘째 자리) / 정밀도↔FP, 재현
한다. 율↔FN
4. 간단한 표·그림을 보고 더 적합한 모델을 선택한다. •성능표 해석에서 정확도 vs F1 혼동

14 PART 1. 인공지능 이론

2026. 5. 13. 오후 12:28
2026 AI-POT 파트1(014~065)_ej3.indd 14
2026 AI-POT 파트1(014~065)_ej3.indd 14 2026. 5. 13. 오후 12:28