딥러닝 ⊂ 머신러닝 ⊂ 인공지능

---

목차

1. 딥러닝 ⊂ 머신러닝 ⊂ 인공지능
2. 머신러닝이란?
3. 딥러닝이란?
4. 머신러닝과 딥러닝의 대표적인 차이점

---

딥러닝 ⊂ 머신러닝 ⊂ 인공지능

• 모든 딥러닝은 머신러닝이다.
• 하지만, 모든 머신러닝이 딥러닝은 아니다.
• 딥러닝은 머신러닝의 한 분야다.
• 데이터 기반으로 학습한다는 점, 오차를 줄이는 방향으로 학습한다는 점, 라벨이나 보상으로 성능을 개선한다는 점에서 학습 방식이 같기 때문에 딥러닝이 머신러닝에 포함된다.
• 머신러닝이 사람이 특징을 정의하는 반면 딥러닝은 다층 신경망을 통해 특징 추출부터 예측까지 자동으로 학습하는 기법이다.

머신러닝이란?

사람이 규칙을 직접 만들지 않고, 데이터를 통해 컴퓨터가 스스로 패턴을 학습하는 기술

• 적은 데이터로도 학습 가능
• 학습 결과를 해석하기 쉬움
• 대표적인 머신러닝 알고리즘 예시
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
  • KNN
• “사람”이 “특징을 정리한 데이터를 직접” 넘겨주고, “머신러닝”에서는 사람에게 형식에 맞게 넘겨받은 데이터를 “분석”.

딥러닝이란?

머신러닝 기법 중 한 분야로써, “신경망”을 여러 층으로 깊게 쌓아 특징 추출부터 판단까지 전부 스스로 학습하는 기법.

• 사람이 특징을 직접 만들 필요가 거의 없음.
• 구조가 매우 복잡
• 결과 해석이 어려움
• 대표적인 딥러닝 모델
  • CNN
  • RNN/LSTM
  • Transformer
  • AutoEncoder

머신러닝과 딥러닝의 대표적인 차이점

구분	머신러닝	딥러닝
포함관계	상위 개념	머신러닝의 하위 개념
특징 추출	사람이 직접	모델이 자동으로
구조	단순	매우 복잡
해석	쉬움	어려움
연산 자원	적음	GPU 필요