머신 러닝(Machine Learning)과 딥러닝(Deep Learning)
머신러닝(Machine Learning) 이란?
기계학습으로 불리기도 하며, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술들을 개발하는 분야(연구)이다.
머신러닝의 핵심은 표현(Representation)과 일반화(generalization)이다. 표현이란 데이터의 평가이고, 일반화란 아직 알 수 없는 데이터에 대한 처리를 의미한다.
머신러닝의 학습 종류에는 지도학습, 비지도학습, 강화학습이 존재한다.
지도학습(Supervised Learning)
지도학습은 단어에서 유추할 수 있듯이 사전에 지도를 하고 학습을 진행하는 것으로 크게 분류(Classification)와 회귀(Regression)가 지도학습에 해당된다.
이진 분류 모델을 예시로 설명하면 악성(1) 및 정상(0)에 대한 정답(결과 값, 실제 값)을 알려주고 학습을 진행하는 것이다.
비지도 학습에 비해 단순하고 일반적이며 학습 진행자가 답을 알고 있는 상태에서 학습을 진행하고자 할 때 사용한다.
비지도학습(Unsupervised Learning)
지도학습과 반대되는 개념으로 문제(Input Data)에 대한 닶을 알려주지 않고 학습을 진행하는 것으로 클러스터링(Clustering)이 이에 속한다.
강화학습(Reinforcement Learning)
머신러닝의 꽃이라 불리는 강화학습은 이론적으로 분류 가능한 데이터가 존재하지 않으며 데이터가 있더라도 정답이 정해지지 않아있을 때 자신이 한 행동에 대해 보상을 받으며 학습하는 것을 말한다.
대표적인 예시로 알파고가 존재한다.
딥러닝(Maching Learning) 이란?
머신러닝의 한 종류로 여러 층을 가진 인공 신경망(Artificial Neural Network, ANN)을 사용하여 머신러닝 학습을 수행하는 것을 말한다.
딥러닝의 가장 대표적인 예시는 ANN(Artificial Neural Network), 퍼셉트론(perception)이다.
머신 러닝과 딥러닝의 차이
머신러닝과 딥러닝은 유사하지만 차이점은 분명하게 존재한다.
머신러닝의 경우 학습 하려는 데이터에서 어떠한 특징 정보(Feature)를 추출하여 학습에 활용할 것인지 사람이 정하고 분석해야 한다. 그러나, 딥러닝의 경우 기계가 자동으로 학습하려는 데이터에서 특징 정보를 추출하여 학습하는 데 가장 큰 차이점을 보인다.
즉, 가장 큰 차이점은 기계의 자가 학습 여부이다.
오류, 잘못된 점 또는 궁금한 점이 있으시다면 댓글 남겨주세요❗