딥러닝(Deep Learning)이란? 쉽게 정리

🧠 딥러닝(Deep Learning)

머신러닝의 한 종류이다

인간의 뇌 구조와 같은 방식을 컴퓨터에게 적용시켜 학습시키는 방식이다.

특히 뇌 속의 뉴런처럼, 딥러닝에서는 노드(Node)라는 구조를 만들어서 인공 신경망(Neural Network)을 사용해 학습한다. 

---

✅ 딥러닝 모델의 구조

• 입력층(input layer) → 여러 개의 은닉층(hidden layers) → 출력층(output layer)으로 구성
• 각 노드는 입력값에 가중치(weight)를 곱해서 정보를 전달
• 예측 결과와 실제 값의 차이를 계산해서, 그 오차를 줄이도록 가중치를 반복적으로 조정함

 

참고) Feedforward Neural Network(FNN) (순방향 신경망)
여러개의 유닛으로 구성된 레이어가 다중으로 존재한 구조.
일정 방향으로 정보가 전달되는 뉴럴 네트워크

 

참고) Convolutional Neural Networks (CNN) (합성곱 신경망)
Feedforward Neural Network(FNN)의 한 종류
​

---

✅ 딥러닝 잘하는 일

이미지 분류, 자연어 처리(NLP) 등

예시): 강아지/고양이 이미지 분류, 뉴스 기사 감정 분석 (sentiment analysis)

 

특징: 복잡한 데이터의 관계성을 스스로 학습 가능
→ 사람이 직접 중요한 특징을 정하지 않아도 됨

 

✅ 딥러닝의 단점

• 데이터가 엄청 많이 필요함 (예: 수백만 장의 이미지)
• 고성능 컴퓨팅 자원 필요 (GPU 등, 비용 ↑)

 

---

🤖 전통적인 머신러닝과 딥러닝 비교

	전통적인 머신러닝	딥러닝
데이터	구조화된 데이터에 적합	비정형 데이터(이미지, 텍스트 등)에 강함
특징 추출	사람이 직접 지정	모델이 자동으로 학습
자원 비용	상대적으로 적음	더 많고 비쌈
예시	고객 이탈 예측, 추천 시스템	이미지 분류, 챗봇, 음성 인식

---

✨ 생성형 AI (Generative AI)

딥러닝 모델을 사용해 무언가를 생성하는 AI

예시: 글쓰기, 번역, 요약, 코드 작성 등 (우리가 자주 사용하는 chatgpt 같은 모든 서비스)

 

예시 모델:
ChatGPT, Amazon Bedrock, Bard 등

 

 

✅ 작동 방식

https://wikidocs.net/156986

Transformer 신경망 구조 사용
→ 문장을 한 단어씩 처리하지 않고, 전체 문장을 병렬로 처리
→ 학습 속도 ↑, 대규모 데이터 학습 가능

 

Large Language Models (LLM)
수십억 개의 파라미터로 구성되어 다양한 인간 언어 패턴을 이해하고 생성할 수 있음

→ 대규모 언어 모델(LLM) https://jibinary.tistory.com/718