딥러닝을 소개합니다

본 블로그 글은 <Do it! 정직하게 코딩하며 배우는 딥러닝 입문>을 기반으로 요점 정리하는 형식으로 만들었습니다.

1-1 인공지능을 소개합니다

인공지능은 인간의 지능적인 작업을 모방하거나 수행하는 컴퓨터 프로그램 또는 시스템을 가리키는 용어입니다. 이러한 시스템은 데이터를 분석하고 이해하며, 문제 해결, 의사 결정, 언어 이해, 이미지 인식 등 다양한 작업을 수행할 수 있습니다.

인공지능은 크게 "약한 인공지능"과 "강한 인공지능"으로 나뉩니다. 약한 인공지능은 특정한 작업에 대해서 인간의 능력을 모방하거나 초과하는 기능을 가지지만, 특정 영역에서만 그러한 능력을 발휘할 수 있습니다. 예를 들어, 스팸 메일 필터링, 음성 비서, 추천 시스템 등이 약한 인공지능의 예시입니다. 강한 인공지능은 모든 인간의 지능적인 작업을 수행할 수 있는 능력을 가진 것으로, 인간과 거의 구분이 불가능한 수준의 지능을 가진다고 가정합니다. 하지만 현재까지는 아직 이러한 강한 인공지능은 개발되지 않았고, 연구 및 개발이 계속 진행 중입니다.

머신러닝과 딥러닝은 약 인공지능에 포함되는 기술이고, 딥러닝은 머신러닝에 포함되는 기술입니다. 그래서 인공지능, 머신러닝, 딥러닝의 관계를 위의 사진과 같이 표현합니다. 머신러닝은 알고리즘의 종류에 따라 더 세부적으로 나눌 수 있는데,그중에 인굥신경망 알고리즘을 사용하여 만든 것이 딥러닝 입니다.

1-2 머신러닝을 소개합니다

머신러닝(Machine Learning)은 컴퓨터 프로그램이 데이터에서 학습하고 지식을 추출하여 패턴을 파악하고 예측하는 방법론과 기술을 의미합니다. 머신러닝은 인공지능의 한 분야로, 사람이 수동적으로 규칙을 프로그래밍하지 않아도 데이터에서 학습하여 작업을 수행할 수 있는 모델을 개발하는 것을 목표로 합니다.

머신러닝의 특징은

• 스스로 규칙을 수정합니다

전통적인 프로그램은 사람이 정한 규칙대로 동작합니다.사람이 규칙을 정하여 프로그래밍하고, 사람이 프로그램의 실행 결과를 보며 규칙을 조금씩 수정합니다.
반면에 머신러닝은 사람이 만든 프로그램이기는 하지만 규칙을 스스로 찾아 수정합니다. 여기서 규칙을 찾아 수정하는 과정을 학습 또는 훈련이라고 합니다.

• 학습 방식을 이해합니다

머신러닝은 학습 방식에 따라 지도 학습, 비지도 학습, 강화 학습으로 분류합니다.

지도 학습 : 입력과 타깃으로 모델을 훈련
비지도 학습 : 입력과 타깃이 없는 데이터를 사용
강화 학습 : 주어진 환경으로 부터 피드백을 받아 훈련

딥러닝을 소개합니다

딥러닝(Deep Learning)은 머신러닝의 한 분야로, 인공신경망(Artificial Neural Network)을 기반으로한 학습 방법을 의미합니다. 딥러닝은 대량의 데이터를 이용하여 복잡한 패턴과 특징을 자동으로 학습하고 추출할 수 있는 모델을 구축하는 데 중점을 둔 기술입니다.

딥러닝에서 '딥'이라는 용어는 인공신경망을 여러 층(layer)으로 쌓아올릴 수 있다는 개념을 나타내며, 이러한 깊은 구조를 통해 높은 수준의 추상적인 특징을 학습할 수 있게 됩니다. 딥러닝 모델은 주로 이미지, 음성, 텍스트 등의 다양한 데이터 유형을 처리하고 이해하는 데 사용됩니다.

딥러닝에서 가장 많이 사용되는 네트워크 구조 중 하나는 "인공신경망"입니다. 인공신경망은 생물학적 뉴런의 동작 원리를 모방하여 만들어진 구조로, 입력층(input layer), 은닉층(hidden layer), 출력층(output layer) 등으로 구성됩니다. 각 층은 여러 개의 뉴런(또는 유닛)으로 구성되어 있으며, 각 뉴런은 입력 데이터와 가중치를 곱하고 활성화 함수를 통과시키는 과정을 거치게 됩니다.