딥러닝 요약

머신러닝의 하위 집합

 

인공 신경망을 통해서 딥러닝은 데이터 속성을 자동 추출하며, 비정형(이미지, 언어) 등 높은 성능 보여줌

 

전처리 과정 필요

예를 들어 : 강아지, 고양이, 햄스터 등 머신러닝은 인간에게 의존하지 않음 즉, 인간 전문가가 머신러닝에서는 "귀", "눈" 등 직접 결정해야함

 

전통적인 머신러닝에서는 사람이 훨씬 더 많이 개입합니다:

강아지, 고양이, 햄스터를 구분한다면, 사람이 직접 "귀 모양", "꼬리 길이", "털 패턴", "코 크기" 같은 특징들을 정의해야 합니다
이런 특징 추출(feature engineering) 과정이 매우 중요하고, 전문 지식이 필요합니다
어떤 특징이 중요한지 사람이 판단하고 선택해야 합니다

딥러닝에서는:

사람은 주로 라벨링된 데이터만 제공합니다 (이 사진은 강아지, 이건 고양이, 이건 햄스터)
신경망이 스스로 중요한 특징들을 학습합니다 - 처음엔 선이나 모서리 같은 기본적인 패턴부터, 점점 복잡한 특징들까지
사람이 일일이 "이런 특징을 봐라"고 알려주지 않아도 됩니다

그래서 딥러닝은 특징 추출에서는 사람 의존도가 낮지만, 여전히:

대량의 라벨링된 학습 데이터 준비
네트워크 구조 설계
하이퍼파라미터 조정

 

 

은닉층에 수가 많을 수록 높은 정확도 높다.

 

대화형 AI 만들기

 

RNN, LSTM 모델이 있으며, 그 모델을 학습하는 도구들이 Keras, TensorFlow, PyTorch 3가지 존재한다.