딥러닝이란?

딥러닝이란?

인공지능( AI ) 구현하는 방법에는 머신러닝과 딥러닝이 있습니다. 

그렇기 때문에 머신러닝과 마찬가지로 딥러닝은 인공지능의 한 분야라고 할 수 있습니다.

딥러닝은 인간의 신경망 원리를 이용한 이론인 "심층 신경망 이론"을 바탕으로 고안되었습니다.

 

머신러닝과 딥러닝의 대표적인 차이점은 다음과 같습니다.

머신러닝 : 데이터를 컴퓨터가 학습할 수 있도록 전처리를 한 후에 학습

딥러닝 : 신경망을 적용하여 인간이 하던 전처리를 컴퓨터가 스스로 분석, 심층 신경망을 이용.

 

 

딥러닝 학습 과정

딥러닝 학습 과정은 머신러닝 학습 과정과 비슷하다.

학습 과정은 크게 다섯 가지로 나눌 수 있다.

 

      데이터 준비 → 모델 정의 → 모델 컴파일 → 모델 훈련 → 모델 평가      

 

• 모델 정의 : 신경망을 생성하는 단계로 은닉층의 개수를 설정한다. 이때 성능을 높이기 위해 은닉층의 개수를 늘리면 과적합이 될 가능성이 농후하므로 조심해야 한다.

 

• 모델 컴파일 : 활성화 함수, 손실 함수, 옵티마이저 등을 선택하는 과정이다.

 

• 모델 훈련 : 전체 훈련 데이터에서 일정하게 나눠 처리하는 배치와 훈련 획수인 에폭치 값 설정이 중요하다. 또한 훈련 과정을 진행하며 최적의 파라미터와 하이퍼 파라미터 값을 찾아야 한다.

 

• 모델 평가 및 예측 : 예측력을 높이기 위해선 파라미터 튜닝 혹은 신경망을 재설계하는 방법이 존재한다.

 

모델 성능이 좋다?
공식적인 정의는 없지만 다양한 의미로 사용된다.

1. 정확도가 높다

2. 훈련 속도가 빠르다

 

 

딥러닝의 핵심 요소

딥러닝의 핵심 요소에는 신경망, 역전파 크게 두 가지가 있다. 

 

신경망은 데이터의 어떤 특성이 중요한지 스스로에게 가르쳐준다.

역전파는 가중치 업데이트에 사용된다.

 

 

 

본 내용은 < 딥러닝 텐서플로 교과서 (저자:서지영) > 내용을 바탕으로 작성되었습니다.
https://book.naver.com/bookdb/book_detail.nhn?bid=19482194