1.케라스 창시자에게 배우는 딥러닝(케창딥)
케라스 창시자에게 배우는 딥러닝(케창딥)
교재를 기반으로 핵심 내용만 정리해서 포스팅을 진행합니다.
개념 설명과 질문, 자기 생각까지 담겨있는 방식으로 구성 되어 있습니다.
딥러닝이란 무엇인가?
AI를 언급할 때 사용하는 용어 대표 3가지가 있습니다.
![[Pasted image 20240903094203.png]]
인공지능 , 머신러닝 , 딥러닝 이죠
이 3가지는 어떻게 연관되어 있을까요?
처음 ‘인공지능’ 분야에 대해서는 1956년부터 연구 분야로 결정되어 시작되었습니다.
이 분야는 보통의 사람이 수행하는 지능적인 작업을 자동화하기 위한 연구 활동 이었다고 합니다.
처음에는 지금과 다르게 학습 에 대해 전혀 언급되지도 않았고 학습 과정이 전혀 없는 다른 방법도 많이 포함하고 있었습니다.
예를 들어 초기 체스 프로그램은 하드코딩된 규칙만 가지고 있었기에 이렇게 프로그래머들이 명시적인 규칙을 충분하게 많이 만들어 데이터베이스에 저장된 지식을 다룬다면 인간 수준의 인공 지능을 만들 수 있다고 믿었답니다.
하지만 학습 이 없는 이상 인공지능이 아니죠. 그렇게 등장한 것이 머신러닝 입니다.
원래였다면 규칙과 데이터를 기반으로 프로그래밍을 통해 해답을 구하는 방식이었다면 머신러닝은 데이터와 해답을 기반으로 머신러닝을 진행해 규칙을 만드는 방식으로 진행했습니다.
![[Pasted image 20240830125145.png]]
- 출저: https://news.skhynix.co.kr/post/all-around-ai-1
하지만 1980년대까지 이 AI 패러다임의 인기는 점점 떨어져 갔는데요 그 이유는 대량의 데이터셋이나 요구되는 고성능 하드웨어 등 기술적인 요인에서 과학자들, 연구자들은 한계를 느꼈다고 합니다.
하지만 지속되는 노력 끝에 산업사회가 발달되어 훈련 매커니즘을 통해 다시 2차 AI 붐을 불러왔고, 1990년도 부터 지금까지 3차 AI 붐으로 인해 점점 발전의 폭이 커지고 있습니다.
데이터에서 표현을 학습하기
딥러닝 을 정의하고 다른 머신러닝 과 차이점을 이해하기 위해 머신러닝 알고리즘이 하는 일
- 입력 데이터 포인트: 예를 들어 주어진 문제가 음성 인식이라면 데이터 포인트는 녹음된 사운드 파일
- 기대 출력: 음성 인식 작업에서는 사람이 사운드 파일을 듣고 옮긴 글
- 알고리즘의 성능을 측정하는 방법: 알고리즘의 현재 출력과 기대 출력 간의 차이를 결정하기 위해 필요, 측정값은 알고리즘의 작동 방식을 교정하기 위한 신호로 다시 피드백. 이 수정 단계를
학습이라고 합니다.
딥러닝에서 ‘딥’ 이란?
딥러닝은 머신러닝의 특정한 한 분야로서 연속된 층에서 점진적으로 의미 있는 표현을 배우는데 강점이 있으며, 데이터로부터 표현을 학습하는 새로운 방식입니다. 딥러닝 의 딥(deep) 이란 단어는 연속된 층으로 표현을 학습한다는 개념을 나타냅니다. 데이터로부터 모델을 만드는 데 얼마나 많은 층을 사용했는지가 그 모델의 깊이 가 됩니다.
딥러닝은 층을 겹겹히 쌓아 올려 구성한 신경망(neural network) 이라는 모델을 사용하여 층 기반 표현을 학습합니다.
![[Pasted image 20240903094143.png]]
딥러닝의 특징
딥러닝이 이렇게 빠르게 확산된 주된 이유는 많은 문제에서 더 좋은 성능을 내고 있기 때문입니다. 딥러닝은 머신 러닝에서 가장 중요한 단계인 특성 공학을 완전히 자동화하기 때문에 문제를 더 해결하기 쉽게 만들어줍니다.
댓글남기기