딥러닝에서 지도 학습, 비지도 학습, 강화 학습을 정리하면 표 1-3과 같습니다. 단순한 알고리즘만 고려했을 때의 구분이며, 서로 혼합하여 사용하거나 분석 환경에 제약을 둘 경우 구분이 달라질 수 있음에 주의해야 합니다.
▼ 표 1-3 지도 학습, 비지도 학습, 강화 학습
|
구분 |
유형 |
알고리즘 |
|
지도 학습(supervised learning) |
이미지 분류 |
• CNN • AlexNet • ResNet |
|
시계열 데이터 분석 |
• RNN • LSTM |
|
|
비지도 학습(unsupervised learning) |
군집(clustering) |
• 가우시안 혼합 모델(Gaussian Mixture Model, GMM) • 자기 조직화 지도(Self-Organizing Map, SOM) |
|
차원 축소 |
• 오토인코더(AutoEncoder) • 주성분 분석(PCA) |
|
|
전이 학습(transfer learning) |
사전 학습 모델 |
엘모(ELMo) |
|
전이 학습 |
• 버트(BERT) • MobileNetV2 |
|
|
강화 학습(reinforcement learning) |
- |
마르코프 결정 과정(MDP) |
머신 러닝과 딥러닝의 개념 및 대략적인 내용을 살펴보았으니 3장에서 머신 러닝을 좀 더 자세히 알아보겠습니다.