딥러닝 텐서플로 교과서 - 1장

Jajuna_99·2022년 10월 1일

딥러닝 텐서플로 교과서

목록 보기

2/13

머신러닝과 딥러닝을 가장 피상적인 설명으로 비교하면서 알려주는 절이다.

머신러닝과 딥러닝의 가장 큰 차이점은 머신러닝은 특성 추출을 인간이 작업하지만 딥러닝은 데이터만 입력하면 나머지는 딥러닝 모델이 전부 학습해서 결과를 출력하는 것이 가장 두드러지는 차이겠다.

머신러닝 : 컴퓨터 스스로 대용량 데이터에서 지식이나 패턴을 찾아 학습하고 예측하는 것. -> 컴퓨터가 학습할 수 있는 알고리즘 & 기술을 개발 & 연구하는 학문, 분야라 할 수 있다.

크게 학습 단계와 예측 단계로 나뉘는데 쉽게, 학습 단계에서 데이터와 레이블을 기반으로 모델을 학습시키고 예측단계에서 (정형화된) 무작위 데이터들을 예측, 분류 하는 단계가 있다.

특성 추출 : 데이터별로 어떤 특징을 가지고 있는지 찾아내고, 그것을 토대로 데이터를 벡터로 변환하는 작업

머신러닝 학습 알고리즘

가장 표면적으로 나눴을 때의 분류

지도 학습(supervised learning) : 정답이 무엇인지 컴퓨터에 알려 주고 학습시키는 방법
- 분류 (classification) : k-최근접 이웃, 서포트 벡터 머신, 결정 트리, 로지스틱 회귀
- 회귀 (regression) : 선형 회귀
비지도 학습(unsupervised learning) : 정답을 알려주지 않고, 비슷한 데이터를 범주화(클러스터링)하여 예측하는 학습 방법
- 군집(clustering) : k-평균 군집화, 밀도 기반 군집 분석
- 차원 축소(dimensionality reduction) : 주성분 분석
강화 학습(reinforcement learning) : 간단히 설명하면 보상이 최대한이 되도록 학습시키는 방법 (*어떤 문헌에서는 강화 학습 또한 비지도 학습 카테고리에 포함시킨다.)
- 마르코프 결정 과정(MDP)

(여느 설명과 같이) 인간의 뇌구조인 뉴런과 시냅스가 어떻게 활성화되는 방식에서 착안해서...(중략) 딥러닝이 탄생했다!

딥러닝의 대략적인 구조 역시 설명한다. 데이터 준비하고, 모델 만들고, 옵티마이저, 손실 함수 선택하고, 훈련하고... 평가 후 개선!

그리고 인공지능 문외한들에게 공포와도 같은 여러 딥러닝 이론과 역전파의 편미분을 살짝 보여준 다음 '텐서플로를 사용하면 쉽게 구현할 수 있습니다!' 또한 설명한다.

딥러닝 학습 알고리즘

가장 표면적으로 나눴을 때의 분류

지도 학습(supervised learning)
- 이미지 분류 : CNN, AlexNet, ResNet
- 시계열 데이터 처리 : RNN, LSTM
비지도 학습(unsupervised learning)
- 군집 : 가우시안 혼합 모델(Gaussian Mixture Model, GMM), 자기 조직화 지도(SOM)
- 차원 축소 : 주성분 분석(PCA), 오토인코더(AutoEncoder)
전이 학습(transfer learning)
- 사전 학습 모델 : 엘모(ElMO)
- 전이 학습 : 버트(BERT), MobileNetV2
강화 학습(reinforcement learning)
- 마르코프 결정 과정(MDP)