딥러닝 #
Find similar titles

Structured data

Category: Algorithm

인공지능 (Artificial Intelligence)
머신러닝 (Machine Learning)
딥러닝(Deep learning)
Incoming Links
1. Related Data Sciences (DataScience 0)

인공지능 (Artificial Intelligence) #

딥러닝의 정의를 가볍게 설명하기 위해서는 인공지능과 머신러닝과의 관계를 제외할 수 없다. 인공지능은 포괄적으로 컴퓨터 프로그래밍을 통해 인간이 수행하는 지능적인 활동을 자동화하기 위해 통계적인 알고리즘, 머신러닝, 인공신경망 등의 방법을 활용하는 것입니다. 인공지능은 제일 큰 범주로서 머신러닝과 딥러닝을 포괄한다.

머신러닝 (Machine Learning) #

머신러닝은 규칙을 학습한다는 개념으로 컴퓨터가 데이터로 학습하고 가중치를 통해 개선하도록 훈련하는 방법이다. 다시 말해, 머신러닝 알고리즘은 방대한 데이터에서 유추할 수 있는 패턴을 찾고 최적의 의사결정과 예측을 수행하도록 학습된다고 생각하면 된다. 머신러닝은 지도 학습과 비지도 학습으로 구분된다. 지도 학습은 학습을 위한 입력값과 출력값을 데이터 쌍으로 구성하여 인간이 문제에 대한 답을 제공하고 컴퓨터가 학습을 통해 그것을 알아낼 수 있도록 훈련할 때 사용한다. 비지도 학습은 정답 값이 없는 데이터를 제공하고 비슷한 특징끼리 군집화하여 새로운 데이터에 관한 결과를 예측하는 방법이다.

딥러닝(Deep learning) #

딥러닝은 여러 비선형적인 변환기법을 조합하여 높은 수준의 추상화를 시도하는 기계학습(machine learning)알고리즘의 집합을 말한다. 여기서 추상화란 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용이나 기능을 요약하는 작업을 의미한다. 딥러닝은 여러 층을 가진 인공신경망(Artificial Neural Network, ANN)을 이용하여 머신러닝 학습을 수행하는 것이라 딥러닝은 머신러닝의 한 종류라고 표현하는 것이다. 딥러닝은 머신러닝과 달리 기계의 자가 학습 여부로 볼 수 있다.

딥러닝을 위한 알고리즘 #

심층 신경망 #

입력계층과 출력계층 사이에 여러 개의 은닉 계층들로 이루어진 인공신경망. 복잡한 비선형 관계를 모델링할 수 있다. 다만 심층 신경망 알고리즘은 과적응(Overfitting)과 모델의 복잡도(Complexity)라는 문제점을 가지고 있다.

합성곱 신경망 #

최소한의 전처리를 사용하도록 설계된 다계층 퍼셉트론의 한 종류이다.

순환 신경망 #

신경망을 구성하는 유닛 사이의 연결이 직접 순환방식인 신경망을 말한다. 필기체 인식과 같은 분야에 활용되며, 높은 인식률을 보여준다.

딥러닝의 응용 #

음성 인식 #

인공지능 분야가 연구되기 시작하면서 동시에 연구를 진행한 분야로써 프로그램이 사람의 음성을 텍스트 형식으로 처리할 수 있는 기술입니다. 현재 IT 대기업들은 딥러닝 기반 음성 기술로 다양한 분야로 사용하고 있고 많은 사람도 이미 익숙하게 사용하고 있어요. 대표적으로 전 세계적으로 Amazon echo, google assistant, apple Siri, Samsung Bixby 등 사용되고 있으며 국내에서도 네이버에서 악성댓글 방지와 회의록 기록 등에 하이퍼 클로바라는 기술을 적용하고 있다.

이미지 인식 #

딥러닝에서 이미지는 단순히 입력 이미지의 분류를 넘어 관심 있는 객체의 위치 정보를 포함하여 탐색하거나 찾아낸 객체의 모양을 나누어 다차원의 형태 정보를 구분하는 주제까지 계속해서 발전해 나가고 있다. 크게 딥러닝 분야를 이용하여 이미지 인식할 때는 분류(classification), 인식(detection), 분할(segmentation)파트로 진행된다.

마켓 예측 #

국내 마켓 이커머스 기업들이 딥러닝 기술 기반으로 배송 시간을 예측하고, 상품별 주문량을 사전으로 예측하여 재고 관리에도 도움이 되고 있다. 쿠팡에서는 주문이 몰리는 시간 때에는 딥러닝 기술을 토대로 상품별 입고 및 출고 시점을 예측하도록 하며 이마트에서 사용하는 사이캐스트 또한 상품별 판매량을 예측하여 재고 관리에 큰 도움이 된다고 한다.