모두가 알다시피 지금은 인공지능이 판치는 시대이다.
그렇다면 인공지능은 무엇이고, 머신 러닝은 또 무엇이며, 딥 러닝은 또 무엇일까?
출처: freshdesk
다음 사진과 같이 인공지능은 머신 러닝과, 딥 러닝을 포함된 포괄적인 개념이다.
그 안에 속해있는 머신러닝의 일부분이 딥 러닝이라고 볼 수 있겠다.
머신 러닝은 데이터와 답을 가지고 분석하여 규칙을 찾는 것이다.
그렇다면 일반 프로그래밍과 머신 러닝의 차이점은 무엇일까?
일반 프로그래밍
데이터와 규칙으로 답을 추출
머신 러닝
데이터와 답을 바탕으로 규칙을 추출
이런 차이점이 있다고 할 수 있겠다.
다음은 딥러닝이다.
딥 러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계 학습 알고리즘의 집합으로 정의할 수 있다.
그렇다면 딥 러닝을 실행하려면 어떻게 해야하는가?
딥러닝을 실행하기 위해 반드시 갖춰야 할 세 가지
1. 데이터
딥러닝은 데이터를 이용해 예측 또는 판별을 수행한다.
2. 컴퓨터
CPU와 GPU에서 동작시킬지 선택해야한다. 사실 별 차이 없지만 GPU를 좀 더 추천하긴 한다.
3. 프로그램
데이터와 컴퓨터 장비가 준비되어 있으면, 딥러닝을 구동할 수 있게 프로그래밍을 해야 한다.
구글 코랩 딥러닝 라이브러리를 활용하면 누구나 어렵지 않게 할 수 있다.
구글 코랩
구글 코랩은 구글에서 제공하는 Jupyter Notebook이라고 할 수 있다. 한 마디로 가상환경을 제공한다는 것이다.
구글 코랩에서 파이썬으로 딥러닝을 쉽게 할 수 있다.
딥러닝을 위해 필요한 라이브러리는 텐서플로이다.
TensorFlow & TensorFlow Keras
TensorFlow?
텐서플로 다양한 작업에대해 데이터 흐름 프로그래밍을 위한 오픈소스 소프트웨어 라이브러리이다. 심볼릭 수학 라이브러리이며, 인공 신경망같은 기계 학습 응용프로그램 및 딥러닝에 사용된다.
이 텐서플로우 라이브러리를 colab에서 이용하면 딥러닝을 쉽게 할 수 있다.
from (라이브러리명) import (함수명)
다음의 양식을 통해 라이브러리를 호출할 수 있다.
Tensorflow Keras?
Keras는 딥 러닝 모델을 빌드하고 학습시키기 위한 TensorFlow의 상위 수준 API이다.
텐서플로가 비행기라면 케라스는 비행기 파일럿이라고 할 수 있겠다.
또한 신속한 프로토타입 제작, 최첨단 연구 및 프로덕션에 사용되며 세 가지 장점이 있다.
사용자 친화적
일반적인 사용 사례에 맞춰 최적화된 Keras의 인터페이스는 간단하고 일관성이 있습니다. Keras는 사용자 오류에 대해 명확하고 실행 가능한 피드백을 제공합니다.
모듈식 및 구성 가능
Keras 모델은 거의 제한 없이 구성 가능한 빌딩 블록을 함께 연결하는 방식으로 만들어집니다.
쉽게 확장 가능
연구를 위한 새로운 아이디어를 표현하는 맞춤 빌딩 블록을 작성할 수 있습니다. 새로운 레이어, 측정항목, 손실 함수를 만들고 최첨단 모델을 개발합니다.
글을 마치며
머신러닝, 딥러닝, 구글 코랩, tensorflow에 대해서 간단하게 알아보았는데, 생각보다 딥러닝을 쉽게 할 수 있다는 것에 놀랐다. 이 글을 읽는 사람이라면 딥 러닝을 한 번쯤 시도해보면 좋겠다.
