딥러닝은 머신러닝의 부분집합 관계
(딥러닝이 아닌) 머신러닝 – 사람의 힘을 통한 feature extraction 후 classification을 진행.
x – f(x) - y의 y를 찾는 것이 1차적 목적
딥러닝 – Neural Network를 통해 Feature extraction과 classification을 동시에 진행, 그렇기에 더 많은 데이터를 요구.
x – f(x) - y의 f를 찾는 것이 1차적 목적
Algorithm Method
: knowledge-based : 지식의 논리 구조에 집중 / Learning-based : 두뇌 모방에 집중(<< 딥러닝)
딥러닝의 Key components : Model / Data / Loss / Optimizer
(ex. 2D = CNN, 음성과 같은 time series = RNN)
MLP는 2D를 vectorization 하면 공간 정보를 잃게 됨.
-> CNN이라는 모델 등장 (Locality(영역정보) 와 Translation invariance)
Time series data(주식 차트, Natural Language Processing(자연어 처리)) 시 이전 정보들을 포함해야 함.
-> RNN
Machine Learning Summary
classification – supervised/discrete
clustering – unsupervised/discrete
regression – supervised/continuous
dimensionality reduction – unsupervised/continuous (ex. autoencoder)