딥러닝의 소개

기존 프로그래밍 VS 딥러닝

• 딥러닝: 규칙이 미묘하고 복잡하며 식별하기 어려운 경우 사용
• 기존 프로그래밍: 규칙이 명확하고 직관적인 경우 단순히 프로그래밍만 하는 편이 훨씬 나은 경우가 많음

딥러닝이란 무엇인가

• 딥러닝: 프로그래밍 방식의 패러다임 전환, 규칙이 미묘하고 복잡한 경우 사용
  • 딥러닝의 ‘딥’은 히든레이어를 의미

[기존 프로그래밍]
1) 분류를 위한 규칙세트 정의
2) 이러한 규칙을 컴퓨터에 프로그래밍
3) 예시가 주어지면 프로그램이 규칙을 통한 분류 수행

[머신러닝]
분류기 구축(근본적인 전환)
1) 분류방법에 대한 답과 예시를 모델에 제공
2) 모델이 추축을 수행하고 인간이 모델에 옳고 그름을 알려줌
3) 모델이 올바르게 분류하는 법 을 스스로 학습

AI 의 역사

• AI에 대한 흥미로운 점 중 하나는 인간이 학습하는 방식을 모방하도록 고안되었다는 것입니다
• 컴퓨터로 인간이 생각하는 뭐든게 가능해보였음 하지만 예상보다 매우 어려웠음
• 초기의 뉴럴 네트워크
  • 생물학에서 착안(1950년대)
  • 폰 노이만 아키텍쳐에 의해 추월당함
• 어린이의 학습과정을 컴퓨터에 적용시키고자 함
  • 다량의 데이터를 접하고 이 데이터 속에서 정답을 알려주며 스스로 주어진 제이터에 대한 패턴을 습득하게함

딥러닝의 혁명

• 데이터: 네트워크는 학습할 많은 정보가 필요한데 현재와 같은 정보화 시대가 이를 충족시켜줌
• 컴퓨팅 성능: 인공 두뇌가 다량의 데이터를 시간안에 관찰할 수 있는 방법 필요
• GPU의 중요성: 제이터를 처리하는 중요한 컴퓨터엔진으로 렌더링 된 이미지, 뉴럴 네트워크에 필수적임
  • 평균적인 CPU에는 병렬 처리가 가능하게 해주는 4개 또는 8개의 코어가 있을 수 있습니다.
  • 하지만 그래픽의 수학을 컴퓨팅하기 위한 목적으로 원래 만들어진 현대의 GPU는 엄청난 병렬 처리 성능을 지녔습니다.
  • 오늘 이 과정에서 사용하게 될 GPU에는 x천 개의 코어가 있습니다. 이러한 프로세서는 딥러닝에 매우 적합하며, NVIDIA는 트레이닝 전용으로 설계된 GPU를 만들고 있습니다.

[다른 AI와 딥러닝의 비교]

• 네트워크 깊이, 복잡성
• 최대 수 조개의 매개변수(증가 추세)
• 모델에 다수의 레이어가 포함됨
• 복잡한 규칙을 학습하는데 유리

딥러닝이 어떻게 세상을 바꾸는가

• 컴퓨터 비전

  로보틱스 및 제조, 물체 검출, 자율주행 자동차

• 자연어 처리

  실시간 번역, 음선 번역, 가상 어시스턴스

• 추천 시스템

  콘텐츠 큐레이션, 타깃광고, 쇼핑 추천

• 강화학습

  알파고, AI 봇, 주식거래 로봇

딥러닝 프레임 워크

• TensorFlow+ Keras(Google)(컴퓨터 비전 작업을 위해 고안된 다수의 유용한 기능이 내장)
• Pytorch(Facebook)
• MXNet(Microsoft)