딥러닝(Deep learning)

**딥러닝(Deep Learning)**은 머신러닝의 한 분야이며, **인공신경망(Artificial Neural Network)**을 기반으로 데이터로부터 더 복잡하고 추상적인 패턴을 자동으로 학습하는 기술입니다.

 

출처 : https://hongong.hanbit.co.kr/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98%EC%9D%84-%EC%86%8C%EA%B0%9C%ED%95%A9%EB%8B%88%EB%8B%A4/

 

---

✅ 딥러닝 vs 머신러닝

항목	머신러닝	딥러닝
핵심 개념	사람이 특징(Feature)을 설계	모델이 스스로 특징을 학습
알고리즘 예시	SVM, 결정트리, 랜덤포레스트 등	CNN, RNN, Transformer 등
성능	소규모 데이터에 유리	대규모 데이터에 매우 뛰어난 성능
특징 추출 방식	수동 설정 (전문가가 설계)	자동 추출 (신경망이 스스로 학습)
계산 비용	비교적 적음	매우 큼 (GPU 필수, 병렬 처리 필요)

 

---

✅ 왜 “딥”인가?

• "Deep"은 신경망의 층(Layer)이 깊다는 뜻입니다.
• 단순한 신경망이 아니라, 수십~수천 층의 복잡한 구조를 통해 더 정교한 표현 학습이 가능합니다.

---

✅ 딥러닝이 잘하는 일

분야	사용 예시
컴퓨터 비전	얼굴 인식, 자율주행, 영상 생성 (GAN)
자연어 처리	번역, 챗봇, 음성 인식 (BERT, GPT 등)
음성/오디오 처리	음성 합성, 노이즈 제거
생성 AI	텍스트 → 이미지 생성, 음악 생성 등

 

---

✅ 딥러닝 구조 예시 (간단 신경망)

 

 

입력층 (Input Layer):         [특징1, 특징2, 특징3, ...]
중간층 (Hidden Layers):       [수많은 뉴런들, 여러 층]
출력층 (Output Layer):        [예측값: 예/아니오, 0~1 확률 등]

 

---

✅ 정리

• 머신러닝이 사람의 개입이 필요한 일반적인 학습이라면,
• 딥러닝은 스스로 복잡한 패턴을 학습할 수 있는 강력한 도구입니다.