2024-11-12 TIL

TIL: 딥러닝 (Deep Learning) 기초

1. 딥러닝이란?

• 인공지능의 하위 분야인 머신러닝의 한 종류
• 인간의 뇌 구조를 모방한 인공신경망을 기반으로 동작
• 데이터로부터 스스로 학습하여 패턴을 발견하는 기술

2. 기본 구조

• 입력층 → 은닉층 → 출력층 구조로 구성

주요 구성 요소

1. 뉴런 (Neuron)
   • 데이터를 처리하는 기본 단위
   • 입력값을 받아 가중치를 적용하고 활성화 함수를 통과
2. 층 (Layer)
   • 입력층: 데이터가 처음 들어오는 곳
   • 은닉층: 실제 학습이 이루어지는 곳
   • 출력층: 최종 결과를 출력하는 곳

3. 학습 과정

1. 순전파 (Forward Propagation)
   • 입력 → 은닉층 → 출력층으로 데이터 전달
   • 예측값 생성
2. 역전파 (Backward Propagation)
   • 오차를 계산하고 가중치 조정
   • 학습 최적화

4. 주요 개념

활성화 함수

• ReLU: max(0,x)
• Sigmoid: 1/(1+e^(-x))
• Tanh: (e^x - e^(-x))/(e^x + e^(-x))

손실 함수

• MSE (평균 제곱 오차)
• Cross Entropy
• MAE (평균 절대 오차)

5. 딥러닝의 장단점

장점 ✅

• 복잡한 패턴 인식 가능
• 자동 특성 추출
• 높은 정확도

단점 ❌

• 많은 데이터 필요
• 높은 컴퓨팅 파워 요구
• 학습 시간이 오래 걸림

6. 응용 분야

• 컴퓨터 비전 (이미지 인식)
• 자연어 처리
• 음성 인식
• 자율 주행
• 게임 AI

7. 유명한 딥러닝 프레임워크

• TensorFlow
• PyTorch
• Keras
• JAX

8. 참고 자료

• Deep Learning Book
• Neural Networks and Deep Learning

---