딥 러닝 및 기계 학습

기술의 세계는 매우 빠르게 발전하고 있습니다. 인공지능, 기계 학습, 심층 학습이 화제가 되고 있습니다. 오늘은 기계 학습과 심층 학습의 차이점을 설명합니다.
이 토론에서는 정의를 검토한 다음 몇 가지 예를 살펴보겠습니다. 그럼 먼저 기계 학습의 정의를 살펴보겠습니다. 기계 학습은 컴퓨터가 데이터에서 학습하고 예측하는 기능을 제공하는 알고리즘입니다. 다음으로, 딥 러닝이란 무엇입니까? 딥 러닝은 기계 학습의 하위 집합이며 뇌의 구조와 기능에 영감을 얻은 알고리즘에 관한 것입니다.


이제 간단한 예를 살펴 보겠습니다. 예를 들어, 입력으로 이미지를 수신하고 차량인지 여부를 결정하는 알고리즘을 설계해야 합니다.
따라서 기계 학습의 경우 자동차의 특성(기능)을 정의해야 합니다. 예를 들어, 자동차의 특징은 아래에 바퀴가 있습니다. 머신 러닝의 경우 알고리즘은 이미지를 입력으로 받고 이미지의 객체에 둥근 바퀴가 있는지 확인합니다. 둥근 바퀴를 찾을 수 있으면 개체를 차로 분류할 수 있으며, 그렇지 않으면 거부됩니다.
문제는 바퀴에 구멍이 있고 더 이상 둥글지 않을 수 있습니다. 그렇게 되면 일반 머신러닝 알고리즘은 이를 자동차로 감지하지 못합니다. 그리고 여기서 딥 러닝이 도움이됩니다. 딥 러닝에서는 엄청난 수의 이미지를 얻고이를 사용하여 교육을합니다. 더 이상 진행하기 전에 어린 시절부터 자동차를 인간으로 감지하는 방법을 어떻게 배웠습니까? “바닥에 둥근 바퀴가 있는 것, 그것이 차다”라고 누군가가 말했다고는 생각하지 않습니다. 오히려 당신의 부모님이 "보고, 그것은 차다"라고 말한 것이 아닐까 생각합니다. 당신의 두뇌는 그 데이터를 입력으로 받았습니다. 그것을 자기 훈련했습니다. 그리고 충분한 입력을 얻은 후, 당신의 두뇌가 자동차인지 여부를 쉽게 감지 할 수 있습니다.
마찬가지로 심층 학습에서 알고리즘은 입력으로 많은 이미지를 수신합니다. 단독으로 분석하여 기능을 추출합니다. 기능 자체를 정의합니다. 적절하게 훈련되면 올바른 출력을 얻을 수 있습니다.
글쎄, 어떻게 선택할 수 있습니까? 어느 것을 사용해야합니까? 일반 기계 학습 알고리즘 또는 심층 학습 알고리즘? 대답은 매우 간단합니다.
1) 많은 레이블이 붙은 데이터 2) 고성능 GPU의 3) 고급 알고리즘. 따라서 세 가지 모두가 있다면 딥 러닝이 최선의 선택입니다. 그렇지 않으면 일반 기계 학습 알고리즘을 사용해야 합니다.
마지막으로, 딥 러닝과 기계 학습의 개요를 파악하기 위해 표를 살펴 보겠습니다.

그리고 마지막으로, 나의 나쁜 일본어를 만나겠습니다.