잠깐만요
머신러닝의 학습 방법과 알고리즘이 어떻게 다른가요?
“머신러닝의 학습 방법은 지도 학습, 비지도 학습, 강화 학습이 있다고 했는데, 그럼 딥러닝은 또 무엇인가요?”
딥러닝은 인공 신경망을 사용한 머신러닝의 알고리즘 중 하나입니다. 머신러닝의 학습 방법과 머신러닝의 알고리즘은 다른 영역입니다. 이렇게 머신러닝의 다양한 영역 중 하나인 딥러닝에도 다양한 학습 방법이 있습니다. 바로 지도, 비지도, 강화 학습처럼 말이죠.
앞에서 예를 든 것은 정답이 있는 데이터로 학습하였기 때문에 지도 학습 방법의 딥러닝입니다. 아주 기본적인 딥러닝 방법이죠. 딥러닝에도 비지도 학습 방법의 딥러닝과 강화 학습 방법의 딥러닝이 있습니다.
비지도 학습 방법의 딥러닝에는 오토인코더, 적대적 생성 신경망(GAN) 등의 기법이 있습니다. 강화 학습 방법을 사용하는 Deep Q-Network 딥러닝 모델도 있습니다. 이 책의 넷째 마당에서는 지도 학습 방법의 딥러닝인 기본적인 인공 신경망(ANN)과 순환 신경망(RNN)의 인공 신경망을 실습하고 비지도 학습 방법의 딥러닝인 GAN을 실습해 봅니다.
※ RNN, GAN은 딥러닝의 여러 알고리즘 중 하나입니다. 순환 신경망(RNN)은 연속된 값으로 특정한 값을 예측할 때 사용하며, 적대적 생성 신경망(GAN)은 무엇인가를 만들 수 있는 생성 신경망의 일종입니다. 자세한 내용은 다음 장에서 다루겠습니다. 단, 강화 학습은 이 책에서 따로 다루지는 않습니다. 강화 학습을 제대로 공부하고 싶은 사람은 중급서 이상의 딥러닝 서적을 볼 것을 권장합니다.
딥러닝 기술은 과거 기술이 아니라 현재에도 꾸준히 연구되고, 다양한 곳에 적용되고 있는 분야입니다. 이 책에서는 앞에서 설명한 기본적인 인공 신경망 이외에 합성곱 신경망, 순환 신경망, 생성 신경망을 살펴보겠습니다.