본 연구는 전남대학교 과학영재교육원에서 진행하는 사사교육 과정으로 수행되었다. 목시 관측에 의해 관측된 구름은 루크 하워드(Luke Howard)가 제안하고 Cloud Atlas에서 정리한 10개의 기본형을 기준으로 분류된다. 본 연구에서는 루크 하워드와 같이 수동적인 방법으로 직접 구름을 분류하고, 더 나아가 머신러닝 방법을 이용하여 객관적이고 자동적인 방법으로 구름을 분류하고 그 결과를 비교하였다. 사사교육 과정 중 365장의 구름 사진을 직접 촬영하여 수집하였다. 먼저 각 사진에서의 구름의 특징을 육안으로 파악하여 그 특징에 기반하여 직접 의사결정나무를 만들어 수동으로 구름을 분류하였다. 수집한 구름은 수동 분류에 의해 11종으로 분류되었고, 분류된 구름의 특징을 반영하여 구름 11종을 명명하였다. 다음으로 구름 사진에서 구름의 특징을 HSV 색 공간에 기반하여 수치화하였다. 이로부터 자동으로 의사결정나무 알고리즘을 구성하여 구름이 분류되도록 하였다. 추가로 수치화된 값에 k-means 군집 분류 알고리즘을 적용하여 구름 분류를 수행하였다. 의사결정나무 알고리즘과 k-means 군집 분류에 의해 구름은 각각 6종과 3종으로 분류되었다. 수동 분류와 구름종의 수가 다른 것은 구름 사진으로부터 얻은 특징 요소가 5가지로 적은 편이었고, 육안으로 분류하는 기준과 머신러닝으로 분류하는 기준이 상이했을 것으로 생각된다. 향후 다양한 구름 특성 요소와 샘플을 추가해보며, 잘 학습된 머신러닝 기법을 사용한다면 구름을 좀 더 정확하게 분류할 수 있으며, 그 결과를 단기 기상을 예측하고 분석하는 데에 이용할 수 있을 것이다.