AI의 이해 - 2. 딥러닝

딥러닝

1) 딥러닝이란?

• 딥러닝은 머신러닝의 알고리즘 중 하나이다. 
• 딥러닝은 뇌의 정보처리방식을 모사한 "인공신경망(artificial neural network, ANN)"과 유사하게 여러 층(Layer)으로 깊이있게(Deep) 구성하여 학습을 진행한다. (※ 인공신경망이란 뇌의 신경망을 모델링 한 것)
• 중요한(Feature)에 가중치(Weight)를 부여하여 학습

 

딥러닝의 대표 알고리즘

1) DNN (Deep Neural Network, 심층 신경망)

• 입력층, 여러 개의 은닉층, 출력층으로 구성된 가장 일반적인 모형
• hidden layer가 두 개 이상인 인공신경망이다.
• y = wx + b (w : 가중치, b : 바이어스) 에서 정확한 w와 b값을 구하는 것을 딥러닝이 학습한다 라고 한다.

 

2) CNN (Convolutional Neural Network, 합성곱신경망)

• 이미지의 지역별 Feature를 뽑아서 학습하는 분야에 특화 => 영상인식에 탁월한 방법이다.

 

3) RNN (Recurrent Neural Network, 순환신경망)

• 자신의 출력을 다시 입력으로 활용
• 시간과 관련된 순서가 있는 데이터 학습에 특화 (시계열 예측, 문장 처리 등)

 

4) GAN (Generative Adversarial Networks, 생성적 적대 신경망)

• 두 신경망 모델의 경쟁을 통해 학습

 

딥러닝의 장단점

장점	딥러닝은 데이터의 특징부터 그거에 대한 학습까지 신경망이 알아서 하게 된다.  데이터 사이즈가 크면 클수록 인공지능의 정확도는 좋아진다.
단점	과적합(Over-fitting) : 훈련 데이터에만 잘 맞는 모델 Too Slow : 복잡한 로직으로 학습시간 증가 Black Box : 처리과정에 대한 설명이 어려움

 

딥러닝 핫 키워드

NLP (Natural Language Processing)	자연어인식/ 처리 ex. 검색어 처리
Computer Vision	영상인식/ 처리 사람의 시각체계를 컴퓨터로 구현한 것 ex. 자율 주행 자동차
STT(speech to text), TTS(text to speech)	음성인식/ 처리 ex. aicc, 챗봇, 음성인식 스피커