[DEEP LEARNIG with Python] 01장. 딥러닝이란 무엇인가?

ByungJik_Oh·2025년 4월 20일

AI Deep Learning machine learning 케라스 창시자와 배우는 딥러닝

[DEEP LEARNING with Python]

목록 보기

1/9

📖 01. 딥러닝이란 무엇인가?

🗝️ 핵심내용

핵심 개념에 대한 고수준 정의

머신러닝의 발전 과정

딥러닝이 인기를 끈 주요 원인과 미래의 가능성

📑 인공지능과 머신러닝, 딥러닝

인공지능 분야 : 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 연구활동으로, AI는 머신러닝과 딥러닝을 포괄하는 종합적인 분야이다.

머신러닝 : 규칙과 데이터를 통해 해답을 찾는 전통적인 프로그래밍과 반대로, 데이터와 해답을 보고 훈련(training)되어 규칙을 찾는 것.

데이터에서 표현을 학습하는 방법

입력 데이터 포인트 : 이미지 태깅에 관한 작업이라면 데이터 포인트는 사진
기대 출력 : 이미지 작업에서 기대하는 출력은 '강아지', '고양이' 등과 같은 태그
알고리즘의 성능을 측정하는 방법 : 알고리즘의 현재 출력과 기대 출력 간의 차이를 결정하기 위해 필요하며, 측정값은 알고리즘의 작동방식을 교정하기 위한 신호로 피드백되는데 이러한 수정단계를 학습(learning)이라고 한다.

딥러닝 : 층(layer)를 겹겹이 쌓아 올려 구성한 신경망(neural network)라는 모델을 사용하여 층 기반 표현을 학습하는 것.

딥러닝의 작동 원리

주어진 입력을 각 층의 가중치(weight)에 따라 예측값을 도출
손실 함수(loss function)를 통해 예측값과 실제 타깃의 차이를 점수로 계산
옵티마이저(optimizer)를 사용하여 손실 점수가 감소되는 방향으로 가중치 값을 조정
훈련 반복(training loop)을 통해 손실 함수를 최소화하는 가중치값 산출.

📑 딥러닝 이전: 머신러닝의 간략한 역사

확률적 모델링(probabilistic modeling)

로지스틱 회귀(logistic regression) : 가장 간단하고 다목적으로 활용가능한 분류 모델

커널 방법(kernel method)

커널 함수(kernel function) : 새로운 공간에서의 두 데이터 포인트 사이의 거리를 효율적으로 계산하는 함수

서포트 벡터 머신(Support Vector Machine, SVM) : 커널 함수를 사용하여 초평면과 각 클래스의 가장 가까운 데이터 포인트 사이의 거리가 최대가 되는 결정 경계(decision boundary)를 찾는 분류 알고리즘

결정트리, 랜덤 포레스트, 그레이디언트 부스팅 머신

결정 트리(decision tree) : 플로차트 같은 구조를 가지며 입력 데이터 포인트를 분류하거나 주어진 입력에 대해 출력값을 예측하는 모델

랜덤 포레스트(random forest) : 서로 다른 결정 트리를 많이 만들고 그 출력을 앙상블하는 방법을 사용하는 모델

그레이디언트 부스팅 머신(gradient boosting machine) : 랜덤 포레스트와 비슷하게 결정 트리를 앙상블하는 것을 기반하는 모델이며, 이전 모델에서 놓친 데이터 포인트를 보완하는 개로운 모델을 반복적으로 훈련함으로써 머신러닝 모델을 향상하는 방법인 그레이디언트 부스팅(gradient boosting)을 사용한다.