딥러닝의 발전 5단계 (1)

1. 규칙기반 프로그래밍

목표 달성에 필요한 연산 방법을 사람이 모두 고안 (SW 1.0)

2. 전통 머신 러닝 기법

특징 값을 뽑는 방식은 사람이 설계 (SW 1.5)

그러나 이 값을 판별하는 로직은 기계가 스스로 고안

2-1. 머신러닝 동작법 살펴보기

2-1.1. 학습 데이터 준비

데이터 수집 - 특징 정의 - 학습 데이터 생성

2-1.2. 모델 학습

예측 및 오차 : 오차를 최소화하는 연산을 찾아내는 것이 핵심 (try & error)

모델 = 연산의 집합

최적의 연산 집합 = 최적의 모델 = 학습이 완료된 모델 = 추론 시 사용되는 모델 (서비스 사용 시)

3. 딥러닝

출력을 계산하기 위해 모든 과정을 기계가 고안 (SW 2.0)

• 엄청나게 많은 연산들의 집합
• 자유도가 너무 높아 연산들의 구조를 잡아야 함 (model의 구조)
• ex. CNN, RNN, etc…

스스로 알아낼게 더 많아서 데이터가 매우 많이 필요함

이미지

이미지 화소별 RGB값을 그대로 input함

자연어

토큰화를 통해 언어를 나누어서 처리

• deeplearning