[ML/DL] 머신러닝과 딥러닝 (Machine Learning and Deep Learning)이란?
오늘날 컴퓨터 과학의 발달로 많은 기계학습 및 인공지능에 많은 사람들의 관심이 커졌습니다.
특히, 알파고와 유튜브 알고리즘, 자동 번역 등으로 일반 사람들에게 꽤나 가까이 접해있죠.
인공지능은 사고나 학습능력을 컴퓨터를 통해 구현하는 기술입니다.
인공지능은 일반 컴퓨터와 달리 사람이 원하는 데이터를 제공하면 인공지능이 알아서 처리 방법과 학습과정을 거치고
결과값을 사람에게 보여줍니다.
기계학습 및 인공지능에는 머신러닝(Machine Learning, ML), 딥러닝(Deep Learning, DL)이 있습니다.
많은 사람들이 머신러닝과 딥러닝의 차이점을 어려워합니다.
간단하게 이 둘의 차이는 학습할 데이터에 있습니다.
머신러닝은 학습에 필요한 feature(특징 또는 변수)을 사람이 직접 제공
딥러닝은 스스로 feature(특징 또는 변수)를 추출해서 데이터 학습에 적용
4개의 사진 중 2개는 사람, 2개는 강아지라고 했을 때
머신러닝은 "사람은 두발과 두팔, 직립보행을 하고, 눈썹-눈-코-인중-입술이 있어" 라는
feature(특징 또는 변수)를 사람이 직접 제공하여 4개의 사진 중 사람과 강아지를 선별합니다.
딥러닝은 스스로 학습하여 "사람은 두발과 두팔, 직립보행을 하고, 눈썹-눈-코-인중-입술이 있어" 라는
feature(특징 또는 변수)를 직접 추출하여 4개의 사진 중 사람과 강아지를 선별합니다.
정리해보자면,
머신러닝 = feature(특징 또는 변수)를 제공 받아서 학습
딥러닝 = feature(특징 또는 변수)를 직접 추출하여 학습
비슷하지만 분명히 다른 차이가 존재하죠.
인공지능과 머신러닝, 딥러닝을 그림으로 표현하면 다음과 같은 그림이 나옵니다.
머신러닝과 딥러닝의 학습방법에 따라 유형과 모형이 달라집니다.
머신러닝
흔히 많이 알고있는 지도학습, 비지도학습, 군집화 학습을 하여
알고리즘인 K-means, 의사결정나무(Decision Tree), 랜덤포레스트(Random Forest) 등을 활용하게 되어 예측 또는 결과값을 생성합니다.
딥러닝
ANN(Artificial Neural Network), DNN(Deep Neural Network),
CNN(합성곱신경망 : Convolution Neural Network), RNN(순환신경망 : Recurrent Neural Network) 과
같은 알고리즘을 뇌의 뉴런과 유사한 정보 입력층 계층을 활용해 데이터를 학습시킵니다.
다음 포스팅에선 머신러닝 학습방법에 대해 깊이 알아보도록 하겠습니다.
Reference
본 포스팅은 도서 [혼자공부하는 머신러닝]을 참고하였습니다.