딥러닝과 머신러닝

딥러닝과 머신러닝은 다르지 않다고 말하는 이들이 많다. 하지만 이를 구분하는 아주 명확한 척도가 있다.

	머신 러닝	딥 러닝
분류 기준	Label 이용에 따라서 분류를 함 - Supervised Learning - Unsupervised Learning - Reinforcement Learning	Label에 따른 분류가 아닌 Learning 구조(방법)에 따른 분류 - Supervised Deep Learning - Unsupervised Deep Learning - Deep Reinforcement Learning

 

Shallow Learning

딥러닝의 반댓말은 Shallow Learning 이다.

Shallow Learning : Input에서 Output으로 도출되는 알고리즘이 1단계

Deep Learning : Input에서 Output으로 도출되는 알고리즘이 N 단계

 

딥러닝과의 유사어

End-to-end Learning

딥러닝은 '종단간 기계학습(end-to-end deep learning)' 이라고도 불린다.

여기서 '종단간' 은 처음부터 끝까지라는 의미로, 입력에서 출력까지 '파이프라인 네트워크(전체 네트워크를 이루는 부분적인 네트워크)' 없이 한 번에 처리한다는 뜻이다.

신경망에 너무 많은 계층의 노드가 있거나, 메모리가 부족할 경우 사용할 수 없다.

또한, 문제가 복잡할 수록, '전체 네트워크' 를 '파이프라인 네트워크' 로 나눠서 해결하는 것이 더 효율적일 때도 있다.

데이터의 정보가 나눠진 각각의 파이프라인에 더 적합하게 사용될 수 있기 때문이다.

 

Representation Learning

최초의 정보를 모델로 가공하여, learned h space로 표현해준다는 의미이다.

Input Data를 적절히 Preprocess 해주는 것에 따라서 적절한 new representation(or hidden feature vecor)를 구할 수 있다. 최근 data에 기반한 data-centric research가 많이 주목받고 있다.

보통 딥러닝 연구에서는 모델링 중심 연구가 주를 이룬다. 모델도 representation에 영향을 준다.

Task 타입을 Supervised learning 방식, semi-supervised learning 방식, unsupervised learning(self-supervised learning, GAN Inversion) 방식 등을 선택함에 따라 representation에 영향을 준다.

 

Deep Neural Network 

딥러닝의 대부분은 뉴럴 네트워크를 사용해서, 90% 정도는 Deep Neural Network라는 단어가 대표적으로 사용되기도 한다.

 

 

인공지능과 딥러닝은 다름

머신러닝과 딥러닝은 다름

 

왜 딥러닝이 이렇게 떴는가

언제나 딥러닝이 최선인가

테크 트리

 

 

References

https://wooono.tistory.com/228

https://89douner.tistory.com/339?category=1033935