초보자용. 딥 러닝과 기계 학습의 차이

목표

본 기사는 프로그래밍을 시작한지 ​​얼마 안된 초보자나, 기계 학습이라든지 흥미있지만 이미지조차 솟지 않는, 정도의 분을 대상으로 딥 러닝과 기계 학습의 대략적인 이미지만으로도 잡아 주려고 생각한 기사입니다. 상세한 것보다는, 둘이 비슷한 사람끼리의 친척이라는 이미지만을 전하자고 하는 내용입니다.

양자의 공통점

크게 나누면 「모든 패턴 학습시킨다」와 「학습 끝난 것을 사용한다」 2개의 페이즈가 있습니다.
그 두 가지에 대해 이야기 해요! (분류기를 예로)

학습

우선 학습시키는 것으로 고양이의 특징 등을 기억시켜, 고양이의 이미지를 보면 「이것은 고양이다!」라고 판별할 수 있도록 합니다.
그 외에도 개나 원숭이 등 모든 동물의 이미지를 샘플로 주어 올바르게 분류할 수 있도록 합니다.

사용

이렇게 행해진 학습 후에 적당한 동물 화상을 주면 그 동물이 무엇인지를 90%라든지로 정답할 수 있게 된다! 라고 하는 것이 기계 학습, 딥 러닝입니다.

딥 러닝과 기계 학습의 차이

양자의 개요에 대해서는 위의 이미지의 이미지입니다.
그럼 차이는 도대체 무엇인가.

이 부분이 다릅니다! 거의 전부잖아w
할 수 있는 것은 같은데, 어떤 상태에 다른 것일까라고 하는 것을 잡게 체크해 갑니다.

인간이 그 생물을 고양이라고 판정하기까지는, 윤곽이나 코, 귀 등으로부터 판단한다고 생각합니다.

그럼, 기계는 어떻게 판단하는 거야?

여기에 기계 학습과 딥 러닝의 차이점이 있습니다.





이 ブラックボックスの大きさ의 차이가 양자의 차이입니다.

　즉?

아는 사람도 있을지도 모릅니다만, 기계 학습은 영어로 머신 러닝이라고 하며, 딥 러닝은 그 동료입니다.
딥 러닝을 하고 싶다면 기계 학습에서 들어가도 멀지 않습니다.

그 밖에 차이는?

학습 방법, 적응 범위 등 다양한 차이가 있습니다. 하지만 이 유행의 두 말은 친척인 것에 변함이 없습니다. 하나를 배우고 보면 다른 하나도 이해할 수 있습니다.

후기

딥 러닝을 배우기 위해 필요한 지식이 너무 많거나, "딥 러닝이란?"라든지 조사하면 상당히 어려운 기사 밖에 나오지 않아, 초학자를 멀리하고 있는 느낌이 있었기 때문에 다소 혼란스럽게 해설하는 사이트 도 필요한 것은? 라고 생각 이 기사를 투고했습니다.
입문, 초보자용으로도 결국 문량이 방대해져 버리는 것이 이 분야이므로, 씹어서 최대한 문량을 줄일 수 있도록 의식했습니다.
물론 제대로 이해하기 위해서는 그만한 시간, 노력이 필요해서 끝까지 이해시키려고 기사를 쓰자면 기존 사이트와 같은 긴 문장이 될 것입니다. 거기에 밟기 전에 가벼운 스트레치적인 역할을 담당하면 좋겠다고 생각합니다. → 이것이 충분한 설명을 다하고있는 것은 아니기 때문에 흥미를 가져 주신 분은 더 조사해 봐 주세요!
이번 설명은 분류기라고 하는 것을 예로 하고 있어, 그 밖에도 여러가지 있습니다!