End-to-end learning
: 데이터를 입력부터 최종 출력까지 중간 단계 없이 처리하는 접근 방식
수작업을 통한 특징 추출이 필요한 전통적인 머신러닝과 달리, 모델이 데이터로부터 필요한 정보를 직접 학습하여 결과를 도출하도록 하는 방식이다.
자연어처리 분야에서는 이 end-to-end 모델을 사용해 기계 번역, 음성 인식 등에서 입력된 원시 데이터를 직접 학습하도록 하여 정확도를 높이고 있다.
->
장점: 더 효율적
단점: 대량의 레이블된 데이터가 필요하고, 모델의 내부 작동을 인간이 해석하기 어려움
