[KT 에이블스쿨 4기 DX트랙] 딥러닝 후기

 

# 딥러닝 이란?

 

딥러닝은 머신러닝(ML)의 하위 집합으로, ‘신경망’을 통해 인공지능을 만드는 머신러닝의 한 종류입니다.  

컴퓨터가 사람처럼 생각하고 배울 수 있도록 하여, 많은 데이터를 분류해서 같은 집합들끼리 묶고 상하의 관계를 파악하는 기술입니다.

머신러닝과 차이점이 있다면, 머신러닝은 컴퓨터에게 먼저 다양한 정보를 가르치고 그 학습한 결과에 따라 컴퓨터가 새로운 것을 예측하는 반면, 딥러닝은 인간의 '가르침'이라는 과정을 거치지 않아도 스스로 학습하고 미래의 상황을 예측할 수 있다는 것입니다.

 

@ 출처 - 코드스테이츠 블로그

 

* 딥러닝과 머신러닝의 주요 차이

 

특성	머신러닝	딥러닝
모델 구조	다양한 알고리즘 및 모델 사용	심층 신경망 (인공 신경망) 사용
데이터 양	적은 양의 데이터로도 작동 가능	대규모 데이터셋 필요
모델 복잡성	상대적으로 간단한 모델 구조	매우 복잡한 모델 구조
특성 엔지니어링 필요	종종 필요	자동으로 특징을 추출
주로 사용되는 분야	텍스트 분석, 통계 분석, 간단한 패턴 인식	이미지, 음성, 자연어 처리, 고차원 데이터 분야

 

 

# 학습 내용

 

▶ 딥러닝 학습 목표

① 머신러닝으로 익혔던 회귀, 분류 모델링을 딥러닝으로 수행하기
② 딥러닝의 개념 (가중치 업데이트, Optimizer, Activation, Loss Function, Hidden Layer 등) 을 이해하기

▶ 딥러닝 절차

1. 데이터 전처리

데이터 준비 - NaN 조치 - 가변수화 - 데이터분할 - Scaling

2. 모델링 

모델 설계 (회귀모델 예시)

# 메모리 정리
clear_session()

# Sequential 타입 모델 선언
model = Sequential  ( Dense (1  , input_shape = (num of columns,)  )  )

# 모델요약
model.summary()

# 컴파일
model.compile( optimizer = 'adam', loss = 'mse' )​

학습

hist = model3.fit(x_train, y_train, epochs = 50, validation_split=0.2).history

예측

y_pred = model.predict(x_val)​

검증

print('MAE', mean_absolute_error(y_val, pred))

▶ 딥러닝 모델 설정 요약

 

 

# 학습 소감

 

딥러닝을 배우기 전에 뭔가 많이 어렵지 않을까 생각을 했었습니다.

물론 쉽지 않았지만 그래도 강사님께서 정말 이해하기 쉽게 설명해주시고,

반복적으로 학습하게 해주시고, 또한 다양한 실습 자료들을 준비해주신 덕분에 그래도 딥러닝이란 무엇인지 잘 학습할 수 있었습니다.

 

학습 과정 중에서 시각화 딥러닝을 진행하면서 했던 내용들이 흥미로웠습니다!

숫자 알아맞추는 모델링이랑 옷, 가방 등의 패션의류등의 종류를 맞추는 모델링 실습을 재미나게 진행했습니다.

 

이제 다음 시간 부터는 본격적으로 언어지능과 시각지능을 배우게 되는데요,

언어 데이터와 시각 데이터를 다루는 과정이 재미있을 것 같아 기대됩니다 :)