머신러닝과 딥러닝의 차이 (hand-crafted feature와 end to end)

머신러닝이란?

수집한 수많은 데이터를 통해 주어진 입력(input)에 대해 올바른 출력(output)을 하게하는 인공지능을 구현하는 방법중의 하나이다.

전문가에 의해 고안된 아이디어를 바탕으로 직접 설계된 수제 특징(hand-crafted feature)들을 추출하고, 이들 특징을 기반으로 학습하여 문제를 해결하는 방식

머신러닝은 hand-crafted feature를 어떻게 추출하냐에 따라 학습의 진행이 천차만별이다.

딥러닝이란?

머신러닝의 여러 방법 중의 하나로 인공신경망(Artificial Neural Network)의 한 종류이다. 학습 과정에서 특징을 자체적으로 추출하고 학습까지 함께 수행한다.

End-to-End 방식으로 입력과 출력(끝과 끝)만 보고 중간의 과정은 기계가 알아서(스스로) 학습한다. 모호하고 불연속성이 심한 경우 딥러닝을 사용하여 학습하는 것이 좋다

신경망은 입력층(input layer)과 출력층(output layer) 그리고 그 사이 은닉층(hidden layer)로 ㅇ구성되어 있다. 은닉층 여러층으로 구성될 수 있으며 이어진 각 층은 그 전 층의 입력 신호로부터 나온 출력이다.

이러한 출력을 구하기 위해서 입력신호와 가중치를 곱한 값들을 모두 더한 뒤 활성화 함수(Activation Function)를 이용한다.

학습 방법

지도학습(Supervised Learning)

입력값과 결과값(정답 레이블)을 함께 주고 학습 시키는 방법으로 과거 데이터를 기반으로 앞으로 있을 이벤트를 예측한다

비지도 학습(Unsupervised Learning)

결과값 없이 입력값만 주고 학습 시키는 방법으로 데이터를 탐색하여 내부 구조와 유사한 특성을 파악한다.

강화학습(Reinforcement Learning)

결과값이 아닌 어떤 일을 잘했을 때 보상(Reward)을 주는 방식으로 어떤 행동(Action)이 최선인지를 학습시킨다. 로봇, 내비게이션 등에 이용된다.