머신러닝과 딥러닝의 차이

저번주에 ai에관한 특강을 두 개 듣게됐는데, 

머신러닝과 딥러닝의 차이와 컨셉에대한 내용을 알게되어

정리하는 시간을 가져보려고한다.

 

개념을 알기위해 항상 나오는 그림이다.

간단해서 그림판으로 만들어보았다

 

이 그림을 보면 알 수 있듯이, 머신러닝이 딥러닝을 포함하는 관계고

AI가 머신러닝과 딥러닝을 포함하는 관계이다.

 

즉, AI의 종류에는 머신러닝과 딥러닝이 있고, 머신러닝에서 더 발전한 기법이 딥러닝이다.

 

나는 머신러닝과 딥러닝은 서로 전혀 다른 기법이라 생각했는데, 

내 생각이 틀렸었다.

이 그림 하나만으로도 대충 개념을 알 수 있는 것 같다.

 

그러면 이제 본론으로

머신러닝과 딥러닝의 차이를 알아보겠다.

 

머신러닝과 딥러닝의 차이는 학습의 방법이다.

결론부터 말하자면 딥러닝이 더 똑똑하고 좋은방법이다.

 

우선 머신러닝의 학습방법부터 보겠다.

출처: https://kyubot.tistory.com/96

얼핏봐도 복잡해보인다.

그러면 딥러닝과 학습방법을 비교해보겠다.

 

 

출처: https://kyubot.tistory.com/96

 

위가 머신러닝, 아래가 딥러닝의 학습 방법인데

딥러닝이 머신러닝에 비해 훨씬 간단한 것을 알 수 있다.

 

조금자세히 설명을 해보자면, 예를 들어 토끼를 구분하는 AI를 만들겠다하면은

머신러닝은 토끼라는 이미지의 제공뿐만아니라, 이 사진이 토끼임을 구별할 수 있는 특징을 수동으로 만들어주어야하며,

토끼를 구별하는 알고리즘또한 수동으로 만들어야한다.

 

반면에, 딥러닝은 이미지의 제공만해주면 규칙을 스스로 학습한다.

즉, 특징이나 알고리즘을 사용자가 따로 제공할필요가 없고, AI가 스스로 학습하며 특징이나 알고리즘을 만들어낸다.

정말 똑똑하다고 볼 수 있다.

이 과정을 convolution이라고 한다.

 

출처: https://kyubot.tistory.com/96

머신러닝은 Feedforward 신경망, 딥러닝은 더 발전된 Backpropagation 신경망을 사용한다.

즉, 머신러닝은 input에서 output으로 가면 끝인데,

딥러닝은 input에서 output으로 왔는데 무언가 학습함에 이상이 발생하면

다시 돌아가 학습을 해 올바른 결과가 나올때까지 반복한다는 것이다.

이 과정을 스스로 학습한다고 볼 수 있다.

 

아무래도 2시간 특강이다보니

자세하게 배우진 못했고, 이정도로 머신러닝과 딥러닝이 학습함에 차이가 있음을 알게 되었고,

머신러닝은 사용자가 규칙과 알고리즘을 제공하는 반면,

딥러닝은 데이터만 주면 알아서 학습하는구나정도의 개념을 알게되었다.

 

여기까지 머신러닝과 딥러닝의 차이를 알아보았고, 

이제는 특강을 들으며 얼핏기억나는 것들을 적어보겠다.(틀릴수도 있다)

 

 

-딥러닝에선 Sigmoid와 ReLu라는 함수를 사용하는데, 

자세히 기억나진 않았고, ReLu가 더 좋다는 것만 기억난다.

 

-머신러닝이나 딥러닝에서 파이썬을 주로 쓰는 이유는

파이썬이 랩핑이 돼있는 언어라

C++보다 더 쓰기 간편해서 사용했다는 내용이 기억난다.

 

-딥러닝은 결과값으로 토끼다 아니다 이렇게 나오지만

그 속에는 이 사진이 토끼인지 판별하는 확률같은 수가 반드시 있다고 했다.

예를들면 한 사진이 토끼로 나왔을때 일치확률이 87%라던지 이런 수가 있고

특정 기준보다 높으면 토끼로 인식하는 방식으로 쓴다고했다

 

-스칼라 -> 벡터 -> 행렬 -> 텐서플로우

주로 행렬이나 텐서플로우의 계산을 많이 다룬다고한다.

 

이제는 누가 머신러닝과 딥러닝의 차이가 뭐냐고물으면

자신있게 대답할 수 있을 것 같다.