임베딩은 단어, 이미지, 심지어 문서 전체와 같이 이산적인 객체를 연속적인 벡터 공간의 한 포인트로 매핑합니다. 임베딩의 주요 목적은 비수치 데이터를 신경망이 처리할 수 있는 포맷으로 변환하는 것입니다.

▲ 그림 2-2 딥러닝 모델은 비디오, 오디오, 텍스트 같은 데이터 포맷을 원시 형태 그대로 처리할 수 없습니다. 따라서 임베딩 모델을 사용해 원시 데이터를 딥러닝 모델에서 쉽게 이해하고 처리할 수 있는 밀집 벡터(dense vector) 표현으로 변환해야 합니다. 이 그림은 원시 데이터를 3차원 수치 벡터로 변환하는 과정을 보여 줍니다.