MISSION 4-1표 데이터★☆☆☆
도미 vs 빙어
변수와 특징, 무엇이 다를까
지령 시장에서 들여온 물고기 49마리가 섞였다. 길이와 무게, 숫자 두 개만으로 도미와 빙어를 갈라라.
장비 규칙 한 줄 찾기 · 퍼셉트론 · SVM · k-NN과 표준화
LOG 05:47 연구실 상황
경보가 울리고 3분 뒤의 기록입니다.
[SYSTEM] 본부에서 긴급 지령이 도착했습니다. 첨부: 사진 다섯 장, 물고기 측정표 한 장, 그리고 질문 하나.
박사일어나! 미션이야! 신발? 신발은 나중에! 질문은 딱 하나야. "AI는 이미지를 어떻게 구분하는가." 쉬운 쌍부터 어려운 쌍까지, 네 번에 나눠서 답한다!
조수후아암… 박사님, 해도 안 떴는데요… 근데 첨부 사진에 치와와랑 머핀이 있네요? 이거 저도 헷갈리는데, 컴퓨터는 어떻게 가르죠? …담요는 들고 갈게요.
초파리 연구원박사님 가운 잡았어! 출발 전에 순서부터 정하자. 숫자 두 개짜리 물고기부터, 그다음 픽셀, 그다음 층 쌓기, 마지막이 치와와와 머핀이야.
연구실 로봇커피 다섯 잔 준비 완료. 미션당 실습과 Colab 코드 두 개씩 탑재했습니다. 넘어지지 않게 조심하세요.
ORDER 본부 지령서
■ 1급 긴급 · 연구실 전원
- 질문
- AI는 이미지를 어떻게 구분하는가?
- 임무
- 쉬운 쌍에서 어려운 쌍으로, 네 쌍을 갈라 보며 원리를 밝힌다. 이름 있는 변수(길이·무게)로 가르는 법에서 출발해, 이름 없는 픽셀 수천 개에서 특징을 찾아내는 법까지 간다.
- 보고 형식
- 미션마다 직접 만져 보는 실습, 초보자를 위한 풀이, 확인 문제, 실제로 돌려 본 Colab 코드 두 개
- 권장 순서
- 4-1 → 4-2 → 4-3 → 4-4. 각 미션은 따로 풀어도 된다
MISSIONS 미션 네 개
"미션 시작"을 누르면 해당 편으로 갑니다. 끝낸 미션에 "완료"를 표시해 두면 이 기기에 기억됩니다.
MISSION 4-2픽셀★★☆☆
고양이 vs 사람
사진은 숫자 행렬이다
지령 사진 한 장이 0~255 숫자 수천 개로 도착했다. 숫자 더미에서 고양이와 사람을 가를 단서를 찾아라.
장비 픽셀 돋보기 · 픽셀 거리의 함정 · 합성곱 필터 · 얼굴 특징점
MISSION 4-3CNN★★★☆
고양이 vs 강아지
층을 쌓아 좌표를 바꾼다
지령 털도 눈도 귀도 있다. 평면 하나로는 안 갈리는 두 동물을, 층을 쌓아 갈라라.
장비 3차원 분류 경계 · CNN 구조 · 소프트맥스 · Attentive CutMix
MISSION 4-4최종 미션★★★★
치와와 vs 머핀
저수준 특징은 속고, 고수준 특징이 가른다
지령 둥근 갈색 덩어리에 검은 점 세 개. 사람도 헷갈리는 쌍이다. 모델이 왜 속는지 밝혀라.
장비 어두운 점 필터 · 해상도 실험 · 픽셀 규칙 대 패턴 · 모델의 한계
진행0 / 4 CLEAR
KIT 미션마다 들어 있는 장비
▣ 손으로 만지는 실습
픽셀 돋보기, 필터 실험실, 3차원으로 돌려 보는 분류 경계, 조각을 붙이는 CutMix까지. 숫자가 실제로 어떻게 바뀌는지 직접 확인합니다.
▣ Colab 코드 두 개
미션마다 복사·내려받기·노트북으로 바로 여는 코드가 있습니다. Colab 기본 라이브러리와 내장 데이터만 쓰고, 실제 실행 결과를 함께 실었습니다.
▣ 풀이와 확인 문제
섹션마다 초보자를 위한 풀이, 점선 밑줄 용어 말풍선, 오답 해설이 붙은 확인 문제가 있습니다.
▣ AI 응용 프롬프트
해커톤 계획, 공모전 기획서, 논문 실험 설계에 코드를 출발점으로 쓰는 프롬프트를 담았습니다.
▣ 비유 모음
"무늬 도장", "반 대표 뽑기" 같은 비유와 함께, 그 비유가 틀리는 지점도 적어 두었습니다.
▣ 교육자를 위한 TIP
강의형·실무 OJT·1:1 튜터링 운영안, 섹션별 질문, 흔한 오해 다섯 가지를 정리했습니다.
SIDE 보조 미션
◆ 물고기 미션을 더 깊게 — 도미와 빙어 데이터로 하는 머신러닝(결정 트리, k-NN, 회귀, 교차 검증 등)은 「Fish Market Data로 쉽게 따라하는 머신러닝」에서 자세히 따라 할 수 있습니다.