딥 러닝은 머신 러닝의 한 방법으로, 학습 과정 동안 인공 신경망으로서 예시 데이터에서 얻은 일반적인 규칙을 독립적으로 구축(훈련)한다.
기존의 머신러닝에서는 학습하려는 데이터의 여러 특징 중에서 어떤 특징을 추출할지를 사람이 직접 분석하고 판단해야만 했지만, 딥러닝에서는
기계가 자동으로 학습하려는 데이터에서 특징을 추출하여 학습하게 된다. 기계의 자가학습 여부가 제일 큰 차이점으로 볼 수 있다.
딥러닝에서 가장 기본이 되는 개념은 바로 신경망(Neural Network)이다.
신경망이란 인간의 뇌가 가지는 생물학적 특성 중 뉴런의 연결 구조를 가리키며, 이러한 신경망을 본떠 만든 네트워크 구조를 인공신경망(Artificial Neural Network, ANN)이라고 부른다.
인공신경망은 여러 뉴런이 서로 연결되어 있는 구조의 네트워크이며, 기본적인 구조는 크게 입력층(input layer) , 은닉칭(hidden layer) ,
그리고 출력층(output layer) 으로 나뉜다.
입력층을 통해 학습하고자 하는 데이터를 입력받고, 여러 단계의 은닉층을 지나면서 처리가 이루어져 출력층을 통해 최종 결과가 출력되게 되는 구조를 가진다.
이러한 신경망을 3개 이상 중첩한 구조를 깊은 신경망(Deep Neural Network, DNN)이라고 부르며, 이를 활용한 머신러닝 학습을 특별히 딥러닝이라고 부르고 있다.
딥 러닝은 머신 러닝의 한 방법으로, 학습 과정 동안 인공 신경망으로서 예시 데이터에서 얻은 일반적인 규칙을 독립적으로 구축(훈련)한다.
기존의 머신러닝에서는 학습하려는 데이터의 여러 특징 중에서 어떤 특징을 추출할지를 사람이 직접 분석하고 판단해야만 했지만, 딥러닝에서는
기계가 자동으로 학습하려는 데이터에서 특징을 추출하여 학습하게 된다. 기계의 자가학습 여부가 제일 큰 차이점으로 볼 수 있다.
딥러닝에서 가장 기본이 되는 개념은 바로 신경망(Neural Network)이다.
신경망이란 인간의 뇌가 가지는 생물학적 특성 중 뉴런의 연결 구조를 가리키며, 이러한 신경망을 본떠 만든 네트워크 구조를 인공신경망(Artificial Neural Network, ANN)이라고 부른다.
인공신경망은 여러 뉴런이 서로 연결되어 있는 구조의 네트워크이며, 기본적인 구조는 크게 입력층(input layer) , 은닉칭(hidden layer) ,
그리고 출력층(output layer) 으로 나뉜다.
입력층을 통해 학습하고자 하는 데이터를 입력받고, 여러 단계의 은닉층을 지나면서 처리가 이루어져 출력층을 통해 최종 결과가 출력되게 되는 구조를 가진다.
이러한 신경망을 3개 이상 중첩한 구조를 깊은 신경망(Deep Neural Network, DNN)이라고 부르며, 이를 활용한 머신러닝 학습을 특별히 딥러닝이라고 부르고 있다.