딥러닝Deep Learning
Deep Learning
여러 층으로 쌓은 신경망이 데이터의 복잡한 패턴을 배우는 머신러닝 방법이에요.
쉽게 비유하면
사진에서 선을 찾고, 선을 모아 모양을 알아보고, 모양을 모아 사물을 구별하는 여러 겹의 관찰 과정과 비슷해요.
조금 더 자세히
여러 층이 입력을 차례로 변환하며 필요한 특징을 배워요. 이미지·음성·언어처럼 복잡한 데이터를 다루는 데 많이 쓰여요.
좋은 성능에는 데이터와 연산 자원이 많이 필요할 수 있어요. 데이터가 적은 표 형태의 업무 문제에서는 다른 머신러닝 방법이 더 적합할 수도 있어요.
왜 생겼나요
데이터와 GPU 연산 능력이 늘면서 깊은 신경망을 실제로 학습시킬 수 있게 되었고, 인식과 생성 분야의 활용이 커졌어요.
어떻게 작동하나요
- 1. 층 구성 문제에 맞는 여러 층의 신경망을 준비해요.
- 2. 오차 계산 모델 출력이 학습 목표와 얼마나 다른지 계산해요.
- 3. 가중치 조정 오차를 줄이는 방향으로 각 층의 숫자를 반복해서 바꿔요.
활용 예시
- 사진 속 물체 인식
- 음성을 글로 변환
- 문장과 이미지 생성
흔한 오해
층이 많으면 무조건 더 좋나요?
층 수만으로 성능이 정해지지 않아요. 데이터 품질, 구조, 학습 방법, 지연 시간과 비용도 함께 봐야 해요.
이렇게 쓰여요
이미지 검사
제품 사진에서 흠집을 찾을 때 써요. “딥러닝 모델이 조명 변화에도 잘 작동하는지 확인하자”라고 이야기해요.
관련 용어
함께 보면 좋은 용어
최종 업데이트