P3-6.3 사람이 만든 특징과 모델이 학습하는 표현은 어떻게 구분되는가¶

Section ID: P3-6.3 Version: v2026.07.20

특징(feature)과 중간 표현(intermediate representation)을 함께 두면, 사람이 입력 구조를 정하는 일과 모델이 그 입력 안에서 표현을 학습하는 일을 어디서 갈라 읽어야 하는지가 중요해집니다. 이 차이가 흐려지면 Part 3의 특징 설계가 낡은 전처리처럼 보이거나, 반대로 모델이 문제 구조를 대신 정해 줄 것처럼 오해하기 쉽습니다. 핵심은 둘이 경쟁 관계가 아니라는 점입니다. Part 3에서 사람이 만드는 특징과 중간 표현은 문제를 어떤 입력 구조로 읽을 것인가를 먼저 정하는 일이고, 모델이 학습하는 표현은 그 입력 구조 안에서 어떤 패턴을 더 잘 구분할 것인가를 배우는 일입니다.

독자가 먼저 붙잡아야 할 구분은 단순합니다. 사람은 입력을 만들고, 모델은 그 입력 안에서 표현을 학습합니다. 먼저 가장 짧게 나누면 다음과 같습니다.

구분	하는 일
사람이 만든 특징	질문에 맞는 비교 축을 수치 열로 남긴다
사람이 만든 중간 표현	순서와 구조를 읽기 쉬운 입력으로 다시 묶는다
모델이 학습하는 표현	주어진 입력 안에서 유용한 패턴을 스스로 조합한다

즉 Part 3의 책임은 모델이 표현을 학습할 테니 아무렇게나 두자가 아니라, 모델이 읽을 수 있는 입력 단위를 먼저 설계하자에 있습니다.

왜 사람이 먼저 특징을 만드는가¶

사람이 먼저 특징을 만드는 이유는 단순히 옛날 방식이라서가 아닙니다. 지금 무엇을 비교하고 싶은지, 어떤 차이를 운영적으로 중요하게 볼지, 무엇을 아직 비교 리포트로 남겨야 할지를 문제 구조 수준에서 정해야 하기 때문입니다.

예를 들어 후반에 급격히 무너지는가, 변동성이 커졌는가, 기준선 대비 차이가 커졌는가 같은 질문은 모델이 생기기 전에도 이미 정할 수 있습니다. 이런 질문이 있어야 평균, 기울기, 변동성, 구간 차이 같은 특징이 왜 필요한지도 설명할 수 있습니다.

먼저 정하는 질문	사람이 우선 남기는 특징
전체 수준이 달라졌는가	평균, 중앙값
구조가 후반에 무너지는가	구간 차이, 하강률
결과는 비슷하지만 흔들림이 커졌는가	표준편차, 변동성
기준선 대비 변화가 큰가	기준선 차이값

이 단계가 없으면 뒤에서 어떤 학습 구조를 쓰더라도 무엇을 맞히려는지, 무슨 차이를 중요하게 보는지가 약해집니다.

왜 중간 표현이 필요한가¶

중간 표현은 숫자 특징과 원시 로그 사이를 잇는 다리입니다. UP, FLAT, DOWN 같은 토큰 시퀀스나 구간별 세그먼트 표현은 아직 사람이 규칙을 정한 표현이지만, 이미 순서를 가진 입력이라는 성질을 갖습니다. 그래서 숫자 특징만으로는 놓치기 쉬운 구조를 더 직접 남길 수 있습니다. 여기서도 중심은 모델이 저절로 표현을 만들어 준다는 기대가 아니라, 사람이 어떤 입력 모양을 넘길지 한 번 더 정한다는 사실입니다.

Part 3에서 만든 입력 구조	지금 더 잘 남는 것
동작 1회 요약 벡터	전체 수준과 대표값 차이
구간별 특징 벡터	구간별 변화와 흔들림 차이
토큰화된 세그먼트 시퀀스	순서와 반복 패턴의 윤곽

여기서 중요한 점은 중간 표현이 곧 딥러닝 표현 학습 그 자체는 아니라는 사실입니다. 중간 표현은 사람이 만든 입력 재구성이고, 표현 학습은 그 입력 안에서 모델이 더 유용한 내부 표현을 배우는 단계입니다. 즉 이 절에서 먼저 붙잡아야 할 경계는 사람이 입력을 만든다와 모델이 그 입력을 해석한다의 차이입니다.

입력 명세와 표현 학습은 어디서 갈리는가¶

경계는 무엇을 입력으로 줄지 사람이 먼저 정하는가, 아니면 주어진 입력 안에서 어떤 내부 패턴을 모델이 스스로 조합하는가에서 갈립니다.

질문	입력 명세에서 먼저 정하는 것	표현 학습에서 뒤에 일어나는 것
무엇을 한 샘플로 볼 것인가	동작 1회인지, 최근 구간인지 정한다	정해진 샘플 단위를 받아 내부 표현을 만든다
어떤 값을 입력으로 줄 것인가	평균, 기울기, 토큰 시퀀스 같은 입력 형식을 고른다	그 입력 안에서 유용한 조합을 학습한다
원시 로그를 어떻게 다시 표현할 것인가	표, 벡터, 시퀀스로 재구성한다	재구성된 입력에서 더 깊은 패턴을 포착한다

즉 특징과 중간 표현은 입력을 무엇으로 볼 것인가를 정하는 일이고, 표현 학습은 그 입력 안에서 무엇이 중요한가를 배우는 일입니다.

흔한 오해 두 가지¶

첫째, 딥러닝이면 특징 설계가 필요 없다는 오해입니다. 딥러닝은 사람이 모든 특징을 직접 만들지 않아도 되게 해 주지만, 샘플 경계와 입력 범위를 대신 정해 주지는 않습니다. 동작 1회가 한 샘플인지, 최근 구간이 한 샘플인지, 시계열 전체를 자르지 않고 그대로 둘지 같은 결정은 여전히 사람 몫입니다.

둘째, 특징을 만들었다면 딥러닝은 필요 없다는 오해입니다. 사람이 만든 특징은 좋은 출발점이 될 수 있지만, 더 긴 시퀀스 의존성이나 더 복잡한 패턴은 뒤에서 모델이 학습하는 표현이 더 잘 잡을 수도 있습니다. 따라서 특징 설계와 표현 학습은 대체 관계보다 단계 관계에 가깝습니다.

오해	더 정확한 정리
딥러닝이면 특징 설계가 필요 없다	샘플 정의와 입력 구조 설계는 여전히 먼저 필요하다
특징을 만들었으니 표현 학습은 불필요하다	사람이 만든 특징은 출발점이고, 더 깊은 패턴은 뒤에서 학습될 수 있다

한 장면으로 다시 묶기¶

예를 들어 동작 1회 원시 로그가 있다고 해 보겠습니다.

Part 3에서는 먼저 동작 1회를 샘플로 정합니다.
평균, 기울기, 변동성, 구간 차이를 특징으로 남깁니다.
필요하면 UP, FLAT, DOWN 같은 세그먼트 시퀀스로 중간 표현도 만듭니다.
이렇게 만든 표와 시퀀스는 이후 학습 단계에서 모델이 읽을 입력이 됩니다.
그다음 모델은 그 입력 안에서 더 긴 의존성이나 더 복잡한 조합을 학습할 수 있습니다.

이 순서를 보면 특징 설계는 딥러닝 이전의 낡은 준비 단계가 아니라, 어떤 학습 방법을 쓰더라도 먼저 필요한 입력 정의 단계라는 점이 분명해집니다. 따라서 이 절의 결론도 사람이 만든 특징 vs 딥러닝의 대립이 아니라, 입력 명세(input specification)와 표현 학습(representation learning)이 어디서 갈리는가에 있습니다. 특징 설계는 낡은 수작업이 아니라, 학습 단계가 기대는 입력 구조를 먼저 명세하는 일로 읽어야 합니다.

작은 도식으로 보기¶

이 절의 경계는 단순합니다. 사람은 먼저 특징과 중간 표현으로 입력을 설계하고, 모델은 그 입력을 받은 뒤에야 내부 표현을 학습합니다. 둘은 경쟁 관계가 아니라 앞뒤 단계입니다.

flowchart TD
    H[사람이 입력을 설계함]
    F[특징과 중간 표현]
    M[모델이 그 입력을 받음]
    R[모델이 내부 표현을 학습함]

    H --> F --> M --> R

출처와 참고 자료¶

Google for Developers, Machine Learning Glossary의 feature. feature를 prediction에 쓰는 input variable로 설명하므로, 사람이 먼저 무엇을 입력 변수로 남길지 정하는 단계와 뒤의 학습 단계를 구분하는 근거가 됩니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
Google for Developers, Machine Learning Glossary의 feature engineering. feature engineering을 원시 데이터를 학습에 더 유용한 형태로 바꾸는 과정으로 설명하므로, Part 3의 특징 설계와 중간 표현 설계가 입력 정의 단계라는 점을 보강합니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
TensorFlow, Subword tokenizers. 토큰화된 시퀀스를 token IDs 형태의 모델 입력으로 쓰는 전처리 과정을 보여 주므로, Part 3에서 만든 세그먼트 시퀀스가 학습된 내부 표현이 아니라 모델에 들어가기 전 입력 재표현이라는 설명을 뒷받침합니다. 이 연결은 공식 전처리 설명을 시계열 예시로 일반화한 해석입니다. https://www.tensorflow.org/text/guide/subwords_tokenizer / 확인일: 2026-07-20