[머신러닝 공부] 머신러닝 딥러닝 확실한 차이

 

머신러닝과 딥러닝의 확실한 차이를 확실히 알아보려 한다.

 

대부분 '머신러닝과 딥러닝 차이' 검색어를 치면 아래 사진과 같이 나온다.

 

 

 

나는 이 그림만 보고는 대체 머신러닝과 딥러닝이 뭐가 다른지 와닿지 않았다.

 

모델이 다른건가? 아니 모델은 딥러닝인가 머신러닝인가? 텐서플로우 쓰는건 다 딥러닝인가? 나는 머신러닝 코드를 짜는건가 딥러닝 코드를 짜는건가?

 

수많은 의문이 들었다.

 

하지만 우선은 딥러닝은 머신러닝의 범주안에 든다는 것을 알았다.

 

 

---

 

딥러닝 ?

 

 

 

이와 같은 그림을 본 적 있을 것이다.

 

 

그럼 이런 이미지는 어떤가?

 

그렇다 뉴런을 모방한 인공신경망과 연관지어 얘기해보고자 한다.

 

사실 딥러닝은 머신러닝의 범주 내에 들기도 하지만 인공신경망의 범주 내에 들기도 한다.

 

머신러닝 > 인공신경망 > 딥러닝

 

이와 같이 신경망 구조를 가진것이 딥러닝이라고 한다면

 

우리가 사용하는 모델들 (CNN RNN LSTM ANN GNN 등등)은 다 딥러닝이라고 할 수 있을 것이다.

 

딥러닝 연구가 2000년대 들어서 활발해진 이유 <더보기 클릭>

 

딥러닝 연구가 90년대 초 끊겼다가 2000년대 초중반 들어 활발해진 이유

 

뉴런을 모방한 퍼셉트론 (Perseptron) , 

 

이를 여러 층으로 연결한 다중 퍼셉트론 (MLP) , 

 

그리고 이를 학습시키기 위한 역전파 알고리즘 (Backpropagation) 이 있다.

 

 ...

 

복잡한 문제를 푸기 위해서는 여러 층의 MLP를 쌓아야 되는 경우가 있는데

 

층 수가 깊어질수록 역전파 학습 중 데이터가 소멸되어 학습이 잘 되지 않았다고 한다.

(Vanishing Gradient)

 

이로 인해 90년대 들어 연구가 뜸해졌으나

 

토론토대학의 제프리 힌튼 교수는 Pretraining 방법과 dropout 방법을 06년 12년 밝히며

 

문제를 해결하며 인공신경망, 딥러닝을 부활시켰다.

 

+

 

2000년대 이후 GPU의 발달과 더불어 DB가 풍부해져 딥러닝 연구에 최적의 환경이 구축되어

 

연구가 활발해지기도 했다.

 

 

---

 

그렇다면 딥러닝이 아닌 머신러닝은 뭐가 있을까?

 

뭐길래 헷갈리게 하는걸까?

 

컴퓨터가 스스로 학습하여  인공지능의 성능을 향상시키는 방법?

 

너무 두루뭉실한 정의다.

 

 

 

위 사진을 보면 조금 감이 온다. 

 

위에서 머신러닝(기계학습) > 인공신경망 > 딥러닝 이라고 언급했는데

 

머신러닝의 종류에는 인공신경망 외에도 다른 것들이 존재했던 것이다.

 

대표적으로 아직도 많이? 쓰이는 서포트 벡터 머신 (SVM) 을 검색해 보면 차이점을 알 수 있을 것이다.

 

결론적으로 머신러닝 중 인공신경망 구조를 가진 것이 딥러닝 이라고 볼 수 있다.