102 딥러닝
| parent_topic | 100-데이터분석 & AI |
| types | 레퍼런스 |
| tags |
102 딥러닝
딥러닝 관련 학습 내용을 담는 SubTopic이다.
What is 딥러닝
인공신경망을 여러 층으로 쌓아서 복잡한 패턴을 학습하는 머신러닝 기법이다. 이미지, 음성, 텍스트 등 비정형 데이터에서 강력한 성능을 보인다.
머신러닝과의 차이
전통적인 머신러닝
- 사람이 직접 특성(feature)을 추출해야 함
- 상대적으로 단순한 모델
- 작은 데이터셋에서도 작동
딥러닝
- 모델이 자동으로 특성을 학습
- 다층 신경망으로 복잡한 표현 가능
- 대량의 데이터와 컴퓨팅 파워 필요
주요 아키텍처
Feed-Forward Neural Network (FNN)
- 가장 기본적인 신경망 구조
- 입력층 → 은닉층 → 출력층
- 완전연결(Fully Connected) 구조
Convolutional Neural Network (CNN)
- 이미지 처리에 특화
- 합성곱 레이어로 공간적 특징 추출
- 이미지 분류, 객체 인식 등에 활용
Recurrent Neural Network (RNN)
- 시계열 데이터 처리에 특화
- 이전 상태를 기억하는 구조
- LSTM, GRU 등 변형 존재
- 텍스트, 음성, 시계열 예측에 활용