딥 러닝 (Deep Learning) > 머신러닝/AI 자료실

[딥러닝이란?]

  데이터간의 관계를 분석하고 모델식을 만드는 회귀분석은,
  상대적으로 정확성이 떨어지고 모델 정교화를 위해 사람의 노력이 많이 필요하다는 단점을 가짐.
  이를 위해 인공신경망(ANN)이 등장.
  여러 과정을 통해 인공신경망의 정확성을 높이기 위해 많은 학자들의 연구가 이루어 지고 빅데이터 기술이 등장하면서 많은 데이터를 모델링에 쓸 수 있어 정확성이 더욱 높아지는 효과가 있었으
  며, 여기서 인공 신경망에 빅데이터를 결합한것을 딥 러닝(Deep Learning)이라 함.

  - 딥러닝은 머신러닝이 진화한 것으로 여겨지며, 데이터에 대한 기본 파라미터를 설정하고 컴퓨터가 여러 처리 계층을 이용해 패턴을 인식함으로써 스스로 학습하도록 훈련시키는 기술.
    (기계가 사람의 도움없이 정확한 결정을 내릴 수 있도록 해주는 프로그래밍 가능한 신경망을 사용)


[딥러닝의 활용]
  데이터 양도 많고 정확성이 상대적으로 높기 때문에 딥러닝 기술을 활용하여 많은 기업에서 관련 서비스를 제공하며 주로 이미지 인식이나 음성인식에 쓰임.
  대표적인 예) 딥 페이스 (Deep Face)
  1. 이미지 분류
    이미지를 결함이 있는 구성요소와 정상적인 구성요소로 분리한 후 결함의 종류에 따라 정렬하거나 빈 이미지를 다른 카테고리에 할당하는 등 이미지들이 서로 다른 클래스에 해당됨.
    공장 제조 과정에서 제품에 아무런 문제가 발생하지 않았는지 또는 제품의 일부가 부서졌는지를 확인하는 작업이 이뤄지는 것과 유사.
  2. 이미지 세분화 및 객체 인식
    이미지 세분화 작업은 이미지의 각 픽셀을 하나의 클래스에 할당. 이를 통해 이미지에서 여러가지 객체들을 식별할 수 있음.
  3. 화상 처리
    이미지에 방해가 되는 노이즈 제거 또는 광학 렌즈로 인한 간섭 보정


[딥러닝 vs 머신러닝]의 차이점
  딥러닝은 머신러닝의 하위개념.
  기본 머신러닝 모델은 그 기능이 무엇이든 점진적으로 향상, 하지만 AI 알고리즘이 부정확한 예측을 반환하면 엔지니어가 개입하여 조정해야함.
  딥러닝 모델을 사용하면 알고리즘이 자체 신경망을 통해 예측의 정확성 여부를 스스로 판단할 수 있음.

[데이터마이닝 vs 머신러닝]의 차이점
  데이터 마이닝은 현재 데이터의특징을 알아내는데 중점.
  머신러닝은 현재 데이터를 가지고 학습한 뒤 미래를 예측하는데 중점.