딥러닝 기초 - Introduction

자주 잊어버리는 딥러닝 기초 내용을 여러 포스팅에 걸쳐 간단하게 정리해보려 한다. 다룰 내용은 크게 아래와 같다.

What is Deep Learning?

딥러닝(Deep Learning, DL)은 머신 러닝(Machine Learning, ML)의 일종이고, 머신러닝은 인공지능(AI)에 포함된다.

세 가지 개념을 간단히 표현해보면 아래와 같다.

Artificial Intelligence : 사람의 지능이나 행동 패턴을 모방하도록 하는 것을 말한다.
Machine Learning : 컴퓨터가 데이터로부터 학습할 수 있도록 하는 technique이다.
- 이때, 컴퓨터는 복잡한 rule 없이 학습한다.
- 데이터셋으로부터 모델을 학습시키는 방법이다.
Deep Learning : 인간의 뇌(특히 뉴런)를 모방한 network로 머신 러닝을 수행하는 technique이다.

사람들은 AlphaGo, ImageNet Challenge 등을 통해 특정 분야에서 딥러닝 모델이 사람보다 뛰어난 성능을 보이면서부터 주목을 받기 시작했다.

현재에는 사람의 고유한 능력으로, 컴퓨터가 절대 할 수 없었던 것처럼 여겨졌던 상상을 하고, 그것을 그려내는 모델 등이 나오면서 주목을 받고 있다.

뿐만 아니라, 의학(medical AI), 자율주행(autonomous driving), 단백질 구조 예측(protein prediction) 등 많은 분야에서 딥러닝 모델을 기반으로 연구가 이루어지고 있다.

'딥러닝 기초' 시리즈에서 알아볼 개념을 표로 간단히 나타내면 아래와 같다.

'Fully connected'는 'MLP', 'Convolutional'은 'CNN', 'Recurrent'는 'RNN', 'Graph network'는 'GNN'에서 자세히 알아볼 것이다.

지금은 'CNN은 image data, GNN은 graph data, RNN은 sequential data를 다룬다.' 정도만 기억해두자.