딥러닝의 부상

2000년대 후반에는 신경망이 다시 주목받기 시작했습니다. 데이터양이 폭발적으로 증가하고 GPU 기술이 발전하며 보다 깊은 신경망 구조를 구현할 수 있게 되었기 때문입니다.

딥러닝은 여러 층으로 구성된 인공 신경망, 즉 심층 신경망(DNN, Deep Neural Network)을 활용해 데이터를 학습하고 예측하는 기술입니다. 신경망의 깊이가 깊어질수록 더 복잡한 패턴을 인식하고 고차원적인 추상화를 수행할 수 있습니다. 기존의 머신러닝 알고리즘이 한계에 부딪히던 복잡한 문제들을 딥러닝이 효과적으로 해결하면서, 연구자들은 더 깊고 정교한 신경망 모델을 개발하기 시작했습니다.

▲ 그림 1-19 딥러닝 구조

딥러닝은 데이터에서 패턴을 학습해 예측이나 분류 등의 작업을 수행합니다. 이를 위해 ① 데이터 준비, ② 모델 설계, ③ 모델 학습, ④ 평가 및 튜닝, ⑤ 테스트 및 배포의 단계를 거칩니다.