[DL]딥러닝 개요

Intro

 

딥러닝(Deep Learning, DL)이란 무엇일까?

아래는 위키피디아의 정의이다

 

 

딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습의 한 분야이다(출처 : wikipedia)

여기저기서 많이 들어본 말로 표현하자면,

 

흔히 알고있는 인공신경망(neural networks)을 통해 학습시키고 원하는 결과를 얻어내는 작업들이다

 

Key Components of Deep Learning

 

딥러닝에서 가장 중요한 4가지 요소가 있다

 

1. 데이터

모델이 학습할 수 있는 데이터가 필요하다. 아마 가장 중요하다고 말할 수 있는 부분이다, 딥러닝은 데이터가 성능을 좌우한다고 해도 과언이 아니다. 심지어 데이터가 적을 경우 기초적인 ML알고리즘보다 성능이 낮을 수도 있다.

 

2.모델(Model)

데이터를 넣어서 원하는 결과로 변환이 가능한 모델이 필요하다

 

3. loss

무작정 처음 모델만 만들면 끝나는 것이 아니라 이를 정량적으로 평가하고 개선해나갈 지표가 필요하다, 회귀문제에서 쓰이는 MSE, 분류문제에서 쓰이는 CE 등 다양하게 존재한다

 

4. Algorithm

loss를 최소화 하기 위한 알고리즘도 당연히 필수! 가장 대표적인 알고리즘인 SGD 등이 있다.

 

 

Historical Review

 

사실 인공지능이란 단어가 나타난건 최근이 아니다, 놀랍게도 1980년대부터 인공지능에 대한 논의가 있었고 연구가 있었으나 사실 눈에 띄는 성능을 발휘하지는 못한 분야였다.

 

 

그러나 2012 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)대회에서 딥러닝의 부흥기가 시작된다. 이전까지는 큰 성능을 발휘하지 못했던 인공지능이 AlexNet을 기점으로 엄청난 발전을 하게 된다

 

• AlexNet 뒤로 나온 VGG, GoogleNet, ResNet 등 모두 이전에 없던 특징적인 기술들을 적용한 모델들이라 후에 하나씩 따로 기술

---

링크 걸 곳

---