딥러닝 | 딥러닝이란?

딥러닝 기초

머신러닝과 딥러닝의 포함관계

인공지능 > 머신러닝 > 딥러닝

 

머신러닝 :  사람이 정한 모델과 특징 추출 방법을 이용하여 데이터를 기반으로 학습해서 추론할 수 있게 하는 기술

딥러닝 : 인공신경망 방법을 이용해 만든 머신러닝 기술로, 빅데이터 학습에 적합한 기술

머신러닝 딥러닝 차이점

쉽게말해, 사람의 개입이 있냐 없냐 그차이.

 

머신러닝의 종류

Supervised Learning : 데이터의 정답(라벨)이 있고 정답예측 모델 만들때

컴퓨터한테 사진을주고 니가 알아서 개인지 고양인지 판단해보라고 시키는것.

최종적으로 새로운 사진이 주어졌을떄도 개인지 고양인지 맞추는 것.

정답이 있는 경우에 사용

 

Unsupervised Learning : 데이터 정답이 없을경우

컴퓨터 니가 알아서 비슷한것 끼리 분류해봐라

그럼 컴퓨터가 알아서 군집화를 해서 비슷한것 끼리 묶어준다

 

Reinforcement Learning : 게임을 가르쳐준다고 생각하면됨

보상을 줌으로써 하나하나씩 보상점수가 최대한 높은 방향으로 하나씩하나씩 학습해나가는 방식

 

그래서 어떻게 학습을하는가?

수능성적을 예측해보는 문제인데

머신러닝 전에 인간러닝을 해보자

 

내가 생각했을때 6월과 9월 성적이 수능점수에 반반 영향을 준다고 생각했을때

각각 6월 성적 9월성적에 0.5 씩을 곱한다음 그 둘을 더하면 최종 수능 예측 점수가 된다

이게 내가만든 예측모델이 된다

 

이를 좀 수식으로 멋지게 표현해보자

그럼 아래와 같이 표현할 수 있다.

w1 w2 자리에 나는 0.5 를 사용한 것이다.

 

그런데 0.5라는 수치는 부정확할수있다. 그래서 0.5 라는 수치 대신에

기계한테 예측을 하게 하면된다.

"기계야 0부터 1까지 아무값이 나 넣어보고, 더 정확한 수치를 반환해줘" 

 

이게 머신러닝 다 라고 보면된다.

여기서 w1 w2는 가중치(=weight) 라고 한다.

w1는 6월 성적이 수능정적에 끼치는 영향력(가중치) 인 것이다.

 

그다음 수식을 세울때 맨 마지막에 보통 b라는 것을 더할 때도 있다

6,9월 성적과 관련은 없는데 수능성적엔 관련있는 요소인데

그런 상수를 바로 bias(편향) 이라고 한다.

편향값을 주면 보다더 정교하고 복잡한 모델이 된다.

 

자 그러면 w값 예측하는 것을 컴퓨터한테 시킨다고 했는데

w값을 어떤기준으로 예측을 해야할까?

w

 그 기준을 줘야한다.

기준은 "실제 데이터"이다.  

 

실제데이터와 비교했을때 오차가 생길 것이다

 

"이 오차값을 최소화시키는 방향으로 w 값을 수정해라" 라고 컴퓨터에게 명령을 주는 것이다.

 

 오차를 평가할때에는 여러가지 오차를 평가할 수 있는 함수가 여러가지 있다.

cross entropy, binary cross entropy, 기타등등 여러가지가 있는데 이건 나중에 알아보자.

 

그렇다면 딥러닝은 무엇일까?

일단 아래와 같이 형태를 perceptron 이라고 한다. 원이랑 선으로 연결한거

 

그럼 딥러닝은?

쉽게말하면 중간에 여러개가 연결된 것들을 넣어서

그 중간을 거쳐서 최종적으로 예측값을 도출해내게하는것이 딥러닝인데

이 중간에 거치는 층을 hidden layer라고 부른다

 

그리고 이렇게 hidden layer 로 구성된 형태를

Neural Network 라고 한다

Neural Network가 들어가는 것을 딥러닝이라고 한다!

 

 

 

 

 

 

 

자료출처
https://www.codestates.com/blog/content/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D%EA%B0%9C%EB%85%90

인공지능·머신러닝·딥러닝 차이점은?ㅣ개념부터 차이점까지 총 정리

https://www.youtube.com/watch?v=U57LVkQVf4o&list=PLfLgtT94nNq1DrREU_qG2w4yd2ZzJb-FG&index=2