[AWS] Transfer Learning(전이 학습)이란? 쉽게 정리

 

 

Transfer Learning (전이 학습)

전이 학습 (Transfer Learning) 은 이미 학습된 모델(pre-trained model)을 활용하여 새로운 머신 러닝 모델을 구축하는 방법이다.

= 기존의 모델의 성능 + 새로운 데이터로 학습시키기

(새로운 모델을 처음부터 훈련,구축하는 것이 아니라, 기존에 학습된 모델을 활용하기 떄문에 성능이 좋고 빠르게 구축할 수 있다) 

https://www.geeksforgeeks.org/ml-introduction-to-transfer-learning/

 

🐱🐶 아주 쉬운 예시

기존 학습된(pre-trained) 모델

= "🐱고양이"와 "🐶강아지" 이미지를 구별하는 모델

 

Transfer Learning 적용

= "🐰토끼" 와 "🐱고양이" 이미지를 구별하는 모델 구축

 

 

 

Transfer Learning은 주로 두 가지 방식으로 활용한다.

Fine-tuning (미세 조정)

이미 학습된 모델을 가져와서 새로운 데이터에 맞게 추가 학습을 수행하는 방법

https://ai.plainenglish.io/fine-tuning-in-generative-ai-8fa1a132ba4d

 

 

Feature Extraction (특징 추출)

데이터에서 중요한 정보를 추출하여 모델 학습에 활용하는 방법이다.

이 방식은 모델의 특징을 그대로 이용하되, 새로운 문제에 맞는 정보를 추가하는 방식이다.

https://botpenguin.com/glossary/feature-extraction

 

 

---

🤔 문제

회사는 도메인 특정 모델을 사용하고 있습니다. 회사는 새로운 모델을 처음부터 만드는 것을 피하고 싶어 합니다. 대신, 회사는 기존에 훈련된 모델을 활용하여 새로운 관련 작업을 위한 모델을 만들고자 합니다.

어떤 머신러닝 전략이 이 요구사항을 충족합니까?

 

1. epoch 수를 증가시킨다.
2. 전이 학습(transfer learning)을 사용한다.
3. epoch 수를 감소시킨다.
4. 비지도 학습(unsupervised learning)을 사용한다.

정답

정답 2번