머신러닝과 딥러닝?
딥러닝은 머신러닝 안에 포함되는 하위개념으로 볼 수 있는데 머신러닝중에서 신경망을 활용하여 신경망의 층을 깊게(Deep) 하여 학습 효과를 높이는 방법을 딥러닝이라 한다.
즉 인공지능이라는 범주안에 머신러닝이 있고 머신러닝 범주안에 딥러닝이 있는것이다.
머신러닝은 말그대로 기계학습을 의미하는데,
이 방법에는 크게 3가지가 존재한다.
1. 지도학습(Supervised Learning)
집중해야 하는 포인트는 "지도"인데 영어단어로 Supervised를 의미한다. 여기서 말하는 지도란 문제와 문제의 정답에 대한 데이터가 있기에 이러한 것을 기반으로 학습하고 이 후 새로운 문제에 대하여 기존의 정보를 바탕으로 정답을 유추하는 방법이다.
2. 비지도학습(Unsupervised Learning)
지도학습의 반대로 뒤집어서 생각하면 쉽다. 즉 데이터만 존재하고 데이터에 대한 정답이 없는 것이다. 데이터의 특성을 파악하기 위해 특정 군집을 추출하여 연관 규칙을 파악하여 새로운 데이터가 들어 왔을 때 어떤 군집에 포함되는지 예측하는 방법이다.
3. 강화학습(Reinforcement Learning)
알파고를 생각하면 쉽다. 특정 문제를 풀어가기 위한 규칙을 컴퓨터에 입력 값으로 주고 이러한 규칙을 바탕으로 문제를 해결 했을 때 보상을 주는 형식으로 가장 높은 방식을 얻을 수 있는 방향으로 학습시키는 방법이다.
어떤 연산 처리 방식이 효과적일까?
딥러닝의 경우 단순한 연산을 병렬적(동시에 여러 연산)으로 처리할 수 있는 GPU연산이 학습 시간을 줄이는데 효과적이다.
효과적이라는것은 상대적이다. 그 기준은? CPU에서 처리하는 연산방식인데 일반적으로 단순한 연산이 많이 반복하게 되어 복잡한 연산을 제공하는 CPU 대비 효과적이라는 것이다.
댓글