디자인 맥락에서 데이터 처리 도구로서의 AI와 머신 러닝을 소개합니다. 강의 발췌록은 데이터 유형, 시각화의 중요성, 전처리 기술(결측값 처리, 이상치 제거, 스케일링), 차원 축소(PCA, t-SNE) 등 실제 구현에 필요한 핵심 개념들을 예시와 함께 설명합니다. 또한, 회귀 및 분류 문제, 다양한 신경망 아키텍처, 데이터 분할의 중요성, 앙상블 방법을 다루며 모델 일반화와 과적합 방지 필요성을 강조합니다. 브리핑 문서는 이러한 강의의 주요 내용을 요약하여 데이터 준비 및 품질의 영향력을 재차 강조하고, "가비지 인, 가비지 아웃" 원칙과 과적합 문제를 실제 예시(스마트 드로잉 앱 개발 시 발생한 문제점)를 통해 설명합니다.

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