본 영상 강의는 인공지능(AI), 특히 머신 러닝(Machine Learning)의 기본 개념과 활용 방안에 대해 설명합니다. AI를 구현하는 방법론으로서 머신 러닝을 소개하며, 데이터를 기반으로 패턴을 찾고 예측하거나 분류하는 과정을 중점적으로 다룹니다. 강의는 **데이터 준비 및 전처리(missing values, outliers, scaling, normalization 등)**의 중요성을 강조하고, 선형 회귀(linear regression), 분류(classification) 등의 문제 해결 방법과 **모델 평가 지표(R-squared 등)**에 대해 설명합니다. 또한, 차원의 저주(curse of dimensionality), 과적합(overfitting) 및 과소적합(underfitting) 문제, 그리고 인공 신경망(Artificial Neural Networks, ANN), 합성곱 신경망(Convolutional Neural Networks, CNN) 등의 **다양한 모델과 학습 방법(supervised, unsupervised, reinforcement learning)**을 소개합니다. 궁극적으로 문제 해결의 관점에서 적절한 데이터와 모델을 선택하는 것의 중요성을 역설합니다.

https://namjulee.github.io/njs-lab-public/work?id=2025-introductionToDesignComputation