Deep Learning Basic

※ Why Deep Learning?

 

As the amount of data increases, deep learning shows better performance.

- GPU, 고성능 하드웨어로 인해 개선

- 많은 데이터를 수집할 수 있음

- 알고리즘의 진보

 

 

※ Conventional ML vs. Deep Learning

 

 

input을 어떻게 표현하는지가 중요한 문제이다.

딥러닝은 feature extraction과 classfication이 한꺼번에 일어난다.

반면에 머신러닝은 feature extraction과 classification이 따로 일어난다.

딥러닝은 feature extraction 단계를 학습을 하기 때문에 더 효과적으로 동작이 이뤄진다. 

 

 

※ Convolutional Neural Network (CNN)

Taking an image as input

Learning importance to various aspects in the image

머신러닝과 다르게 중간의 단계를 학습을 통해 결정하는 것이 핵심이다.

 

 

※ Recurrent Neural Network (RNN)

 

Taking a sequential data as input

Learning a current state by considering the previous inputs of any length

순차적 관계를 가진 시계열 데이터 처리에 가장 적합한 심층 신경망 기법 중 하나이다.

 

 

예시로 사람의 음성을 텍스트로 변환해주거나 한국어를 영어로 번역하는 것이 있다.