(131 관리 1-7) 머신러닝(Machine Learning)과 딥러닝(Deep Learning) 차이

 

---

머신러닝(Machine Learning)과 딥러닝(Deep Learning) 차이

---

멘토링

머신러닝과 딥러닝을 개념을 명확히 정의하고,
핵심 키워드 위주로 비교하는 게 중요합니다.

130회에 "머신러닝 최적화 알고리즘(Optimization Algorithm) 유형 및 장단점"에 대해 
출제된 바 있기 때문에 정확하고, 깊이 있는 답안으로 차별화가 필요해 보입니다.

ps) 선별해서 보시기 바랍니다.

---

구분	머신러닝 (Machine Learning)	딥러닝 (Deep Learning)
개념	- 기계가 데이터로부터 학습하고 판단하는 능력을 부여하는 기술 - 인간이 직접 프로그래밍 하여 특정 명령 필요 없이, 알고리즘이 대량의 데이터를 분석하고 그 중 패턴을 찾아내 예측	- 머신러닝의 진화된 버전으로, 인공 신경망을 이용해 대량의 데이터를 학습하는 기술 - 머신러닝의 부분집합으로 지능화된 컴퓨팅 기술을 통해 심층신경망(DNN: Deep Neural Networks)을 구현
유형	지도학습 비지도학습 준지도 학습 강화학습	CNN RNN Transformer GAN

 

머신러닝 학습 유형

 

학습 유형	개념	주요 알고리즘	활용 예시
지도학습	- 레이블된 데이터를 기반으로 모델을 학습하여 입력과 출력 사이의 관계를 모델링 - 알고리즘을 실행하면서 얻어진 output과 정답 레이블(label)을 비교하며 반복적으로 훈련	선형 회귀, 의사결정 트리, 신경망 (Neural Networks), 랜덤 포레스트	스팸 메일 분류, 이미지 분류, 주가 예측
비지도학습	- 레이블 없는 데이터에서 패턴이나 구조를 찾는 학습 방식 - 주로 데이터를 클러스터링하거나 차원 축소에 사용 - 정답 없이 목표만 주어지는 학습법이며, 데이터 내의 일정한 패턴 · 규칙을 추출	K-평균 클러스터링, 주성분 분석 (PCA), 자기조직화 지도 (Self-Organizing Maps)	고객 분류, 데이터 압축, 이미지 분할
준지도학습	- 일부 데이터만 레이블이 있는 경우, 지도학습과 비지도학습을 결합한 학습 방식 - 지도 학습과 비지도 학습을 결합한 것으로, 알고리즘은 레이블이 지정된 데이터와 그렇지 않은 데이터가 모두 포함된 경우에 주로 사용	심층 신경망 (Deep Neural Networks)의 준지도 학습 기법	텍스트 분류, 음성 인식, 의료 진단
강화학습	- 에이전트가 환경과 상호 작용하며 보상을 최적화하는 방법을 학습 - 행동심리학에서 영감을 받았으며, 어떤 환경에서 정의된 에이전트가 현재 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택	Q-러닝 (Q-Learning), 딥 Q-러닝 (Deep Q-Learning), 강화 신경망 (Reinforcement Neural Networks)	로봇 제어, 게임 에이전트, 자율 주행 자동차

지도학습 (Supervised Learning), 

비지도학습 (Unsupervised Learning),

준지도학습 (Semi-Supervised Learning),

강화학습 (Reinforcement Learning)

 

---

심층신경망의 기본적 원리는 인간두뇌의 연결성을 모방해 데이터 세트를 분류하고, 데이터 간 상관관계를 찾아내며, 유용한 정보패턴을 입력하거나 가르쳐 주지 않아도 알고리즘이 스스로 습득

 

딥러닝은

① 특징 추출(Feature Extraction)을 위한 전처리 과정(pre-processing)을 전체 학습 프로세스에 포함,

② 영상 데이터와 같이 차원수가 크고 복잡한 데이터의 경우 전처리 과정에서 손실될 수 있는 정보를 자동 추출,

③ 높은 수준의 추상화 작업(Abstraction)에 효율적이며 시뮬레이션 크기를 늘릴수록 대량의 데이터를 흡수하는 능력이 좋아지는 특징이 있음

 

딥러닝 주요 기술 설명

 

딥러닝 기술	개념 및 특징	주요 알고리즘	활용 분야
합성곱 신경망 (CNN)	이미지 및 비디오 처리에 특화된 신경망 구조	LeNet, AlexNet, VGG, ResNet, Inception, MobileNet	이미지 분류, 객체 감지, 얼굴 인식, 자율 주행
순환 신경망 (RNN)	순차적 데이터 처리에 사용되며, 과거 정보를 고려	LSTM, GRU, SimpleRNN, Bidirectional RNN	자연어 처리, 음성 인식, 시계열 예측, 기계 번역
변형자 (Transformer)	언어 및 시계열 데이터 처리에 효과적인 구조	GPT (Generative Pretrained Transformer), BERT, T5	자연어 처리, 기계 번역, 대화형 AI, 요약
생성적 적대 신경망 (GAN)	생성자와 판별자 네트워크를 사용하여 데이터 생성 및 감별	DCGAN, CycleGAN, StyleGAN, BigGAN	이미지 생성, 스타일 변환, 음악 생성, 영상 생성

 

기출문제

 

(관리 130-1-9)
머신러닝 최적화 알고리즘(Optimization Algorithm) 유형 및 장단점

 

2023.07.20 - [정보관리기술사/★ 130회 기출문제 풀이 ★] - (130 관리 1-9) 머신러닝 최적화 알고리즘(Optimization Algorithm)유형 및 장단점

(130 관리 1-9) 머신러닝 최적화 알고리즘(Optimization Algorithm)유형 및 장단점

 

참고자료

[KISA Insight 2022 Vol.03] AI 중심사회의 도래와 보안 이슈 분석

 

KISA 한국인터넷진흥원>지식플랫폼>정기간행물>KISA Insight

KISA 한국인터넷진흥원

 

ChatGPT