딥러닝(Deep Learning)이란 무엇인가?

 

딥러닝(Deep Learning)이란? 

머신러닝 기법 중 하나인 인공신경망 기법의 은닉층을 깊게 쌓은 구조를 이용해 학습하는 기법

 

딥러닝 기법의 장점 

데이터의 특징을 단계별로 추상화를 높여가면서 학습을 할 수 있다. 얕은 은닉층은 점, 선, 면과 같은 추상화 단계가 낮은 특징을 학습하고, 깊은 은닉층은 얼굴의 눈, 코, 입 등 추상화 단계가 높은 특징을 학습한다. 사람의 경우, 추상화 단계가 높은 특징을 사용해서 판단하기 때문에 딥러닝을 사용할 경우, 사람과 같은 고차원적 인지 활동을 수행할 수 있다.

 

 

딥러닝 = 특징 학습

데이터의 특징을 단계 별로 학습하기 때문에 딥러닝을 표현학습이라고도 부른다.

 

딥러닝 알고리즘이 잘 동작하는 문제 영역, 잘 동작하지 않는 문제 영역

딥러닝 알고리즘이 잘 동작하는 문제영역: 딥러닝 알고리즘의 경우, 이미지나 자연어, 음성 등의 비정형화된 대량의 데이터로부터 인식을 수행하는 문제 영역에 잘 동작한다.

 

딥러닝 알고리즘이 잘 동작하지 않는 문제 영역 : 데이터가 부족하거나, 정형화된 데이터에 대해서는 상대적으로 잘 동작하지 않는다.

 

딥러닝 알고리즘을 가능하게 만든 3가지 환경적 요인

빅데이터 : 딥러닝 알고리즘을 학습시키기 위한 빅데이터를 구할 수 있는 환경이 조성되었다.

 

GPU: 큰 규모의 모델을 학습시킬 수 있는 GPU의 발전에 힘입은 컴퓨팅 환경의 개선이 이루어졌다.

 

새로운 알고리즘의 등장: 딥러닝 모델을 더 잘 학습시킬 수 있는 새로운 알고리즘들이 제안되었다.

 

딥러닝 알고리즘의 주요 응용 분야

Computer Vision: 컴퓨터가 인간의 시각 기능을 수행할 수 있도록하는 방법을 연구하는 분야

 

Natural Language Processing(NLP) : 컴퓨터가 인간의 언어처리 기능을 수행할 수 있도록 하는 방법을 연구하는 분야

 

Speech Recognition: 컴퓨터가 인간의 음성인식 능력을 수행할 수 있도록하는 방법을 연구하는 분야

 

Game : 게임 환경을 이용해서 인공지능 기술 발전을 연구하는 분야

 

Generative Model : 학습 데이터의 분포를 학습해서 학습한 분포로부터 새로운 데이터를 생성하는 방법을 연구하는 분야