용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z


용어 색인

A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z

용어

딥 러닝

간략한 정의

딥 러닝은 알고리즘과 비정형 데이터를 사용하여 미래 데이터를 클러스터링, 분류 및 예측하는 머신 러닝의 한 유형입니다.

주요 내용

 

● 인간의 두뇌에서 영감을 받은 인공 뉴럴 네트워크는 딥 러닝과 관련된 모든 것의 중추적인 역할을 합니다.

● 딥 러닝은 스마트 도우미, 채팅 창, 금융 사기 탐지와 같이 사람들이 매일 사용하는 다양한 제품 및 서비스에 통합되어 있습니다.

● 딥 러닝은 고객 여정의 모든 단계에서 고객 경험을 개선하는 데 도움이 됩니다.


Q: 딥 러닝이란 무엇입니까?

A: 딥 러닝은 텍스트 및 이미지와 같은 비정형 데이터와 함께 작동하는 인공 지능(AI)의 한 유형으로서 머신 러닝의 하위 개념입니다. 사람이 계층 및 기타 매개변수를 설정해야 하는 일반적인 머신 러닝과 달리, 딥 러닝 알고리즘은 데이터 세트의 어떤 부분이 가장 중요한지 자동으로 감지할 수 있습니다. 데이터 클러스터링 및 예측과 같은 작업을 수행할 수 있는데, 이는 인간의 뇌가 학습하는 방식을 모방한 것입니다. 딥 러닝은 우리가 매일 사용하는 제품과 서비스에서 볼 수 있는 수많은 인공 지능(AI) 애플리케이션을 지원합니다.

Q: 뉴럴 네트워크란 무엇입니까?

A: 인공 뉴럴 네트워크는 딥 러닝과 관련된 모든 것의 중추적인 역할을 합니다. 인간의 뇌에서 영감을 받은 뉴럴 네트워크는 패턴을 파악하고, 인간의 뇌가 학습하고 정보를 분류하는 방식을 모방합니다. 궁극적인 목표는 심층적인 뉴럴 네트워크를 훈련시켜 인간보다 빠르고 효과적으로 작업을 수행하도록 하는 것입니다.

뉴럴 네트워크에는 두 가지 주요 기능이 있습니다.

● 클러스터링 – 데이터 그룹에서 유사성을 감지합니다.

● 분류 – 데이터 간의 상관 관계를 도출합니다.

모든 뉴럴 네트워크는 입력 계층, 은닉 계층, 출력 계층과 같은 몇 가지 다른 유형의 계층으로 구성됩니다. 4개 이상의 계층이 있는 모든 네트워크는 "딥" 네트워크로 간주됩니다. 모든 계층에는 노드라고 불리는 것이 있는데, 이 노드는 이전 계층을 기반으로 프로세스를 세밀하게 조정 및 최적화하고 자극이 주어지면 특정 작업을 생성합니다.

Q: 딥 러닝 모델의 가장 일반적인 유형은 무엇입니까?

A: 딥 러닝 모델의 유형은 본질적으로 뉴럴 네트워크의 유형에 따라 정해집니다.

피드 포워드 뉴럴 네트워크. 이 네트워크는 가장 먼저 등장한 뉴럴 네트워크 유형이기 때문에 흔히 일반 뉴럴 네트워크라고 부릅니다. 이 모델에서 정보는 단방향, 즉 앞으로 이동합니다. 데이터가 계속 반복되는 다른 모델과 같은 순환 특성은 없습니다. 데이터는 입력 계층에서 은닉 계층을 거쳐 출력 계층으로 이동합니다. 상대적으로 단순하지만 강력하기 때문에 피드 포워드 뉴럴 네트워크는 초보자에게 매우 적합합니다. 또한 음성 인식, 이미지 인식, 회귀 및 예측 모델링과 같은 데이터 분석 작업 등 광범위하게 활용됩니다.

합성곱 뉴럴 네트워크. CNN 또는 ConvNet이라고 하는 이 유형의 네트워크에 대해 들어본 적이 있을 것입니다. 합성곱 네트워크는 선형이 아니라 원형이라는 점을 제외하고는 피드 포워드 네트워크와 유사합니다. 이 모델에서는 데이터가 일정한 루프에서 이동합니다. 따라서 CNN은 이미지 분류 등 다양한 목적에 활용할 수 있습니다.

● 순환 뉴럴 네트워크. 이 네트워크는 메모리 상태를 가지고 있기 때문에 순환 네트워크라고 합니다. 즉, 이전 알고리즘 실행의 출력을 저장하고 이를 사용하여 현재 입력 및 출력에 영향을 줄 수 있습니다. 이 기능은 자연언어처리(NLP) 모델에 유용합니다.

Q: 딥 러닝의 실제 활용 사례에는 어떤 것들이 있습니까?

A: 딥 러닝은 사람들이 매일 사용하는 다양한 제품 및 서비스에 완전히 통합되어 있고, 대부분의 사람이 자신이 딥 러닝을 사용하고 있는지조차 모릅니다. 웹 사이트와 모바일 앱의 챗봇 중 많은 수가 단순하게 키워드만 인식해 사용자를 특정 주제로 안내하는 것이 아니라 딥 러닝과 NLP 처리를 사용하여 사용자의 언어를 이해하고 적절하게 대응합니다.

Apple의 Siri, Amazon의 Alexa, Google Assistant에 이르기까지 모든 가상 비서 기능에는 딥 러닝이 사용됩니다.

예측 알고리즘이 주식 거래, 비즈니스 평가, 대출 승인, 사기 탐지에 필요한 정보를 제공하면서 금융 서비스 분야에서 딥 러닝 애플리케이션의 활용도가 높아지고 있습니다.

사법기관에서도 딥 러닝 기법을 사용하여 이미지 인식, 음성 분석, 증거 검색을 실시합니다. Microsoft PowerPoint와 같은 툴에 있는 이미지 분석, 이미지 분류, 자동 캡션 생성도 딥 러닝의 실제 활용 사례입니다.

Q: 머신 러닝 대신 딥 러닝을 사용하는 이유는 무엇입니까?

A: 딥 러닝과 기존 머신 러닝은 서로 다른 데이터를 사용하며, 각각 다른 방식으로 "학습"합니다. 의도한 목표에 따라 효과적인 방식을 고르면 됩니다.

머신 러닝 알고리즘은 구조화되고, 레이블이 지정된 데이터를 사용하여 예측을 수행합니다. 먼저 모델의 입력 데이터에서 특정 기능을 정의하면 모델이 데이터를 레이블로 구성합니다. 머신 러닝 알고리즘도 비정형 데이터를 사용할 수 있지만 알고리즘을 실행하기 전에 이를 사전 처리 및 구성하는 경우에만 가능합니다. 사전 처리 단계에서는 사람이 개입하여 계층 구조, 분류 또는 구별되는 기능을 설정해야 합니다.

반면에 딥 러닝에는 데이터 사전 처리가 필요하지 않습니다. 대신 알고리즘이 비정형 데이터를 통합하고 처리한 다음, 어떤 기능이 중요한지를 결정합니다. 딥 러닝은 대용량 데이터와 고도로 구조화되지 않은 데이터에 매우 적합합니다.

Q: 딥 러닝의 이상치 탐지란 무엇입니까?

A: 이상치는 데이터 포인트의 이상치 또는 드물게 일어나는 예상치 못한 상황을 말하며, 이상치 탐지는 데이터에서 규범에 맞지 않는 패턴을 찾는 것을 의미합니다. 이상치 탐지에 딥 러닝을 사용하면 많은 이점을 얻을 수 있습니다. 다변량 데이터 및 고차원 데이터로 작업할 수 있으며, 복잡한 관계를 모델링할 수 있습니다.

Q: 딥 러닝 플랫폼이나 툴에는 어떤 것이 있습니까?

A: 가장 일반적인 딥 러닝 플랫폼은 다음과 같습니다.

TensorFlow. 머신 러닝 및 교육 모델을 위한 무료 오픈 소스 소프트웨어 라이브러리입니다.

Microsoft Cognitive Toolkit. 딥 러닝 알고리즘 교육에 사용하기 쉬운 무료 툴입니다. 대용량 데이터를 사용할 수 있는 상용 그리드가 있습니다.

H20.ai. 예측 분석에 많이 사용되는 확장 가능한 오픈 소스 툴입니다.

Torch.AI. 그래픽 처리 장치(GPU)를 먼저 배치하고, 배우기 쉬운 스크립팅 언어를 사용하여 머신 러닝 프레임워크를 지원하는 툴입니다.

 

 

Q: 딥 러닝의 이점은 무엇입니까?

A: 딥 러닝은 알고리즘을 클러스터링하여 이상적인 고객을 파악하고, 고도로 타겟팅함으로써 고객 여정의 모든 단계에서 고객 경험을 개선하도록 도와줍니다. 딥 러닝은 또한 모델이 데이터에서 학습한 내용을 기반으로 특정 목표에 대해 특성을 정렬함으로써 마케터가 고객을 세분화하는 데 도움이 될 수 있습니다. 영업 팀은 NLP 모델을 사용하여 세일즈 대화를 분석 및 기록하고 대화에서 주요 인사이트를 파악할 수도 있습니다. 딥 러닝은 데이터 입력을 자동화하고, 인사이트를 사용하여 고객별 맞춤 추천을 제공합니다.

Q: 딥 러닝은 앞으로 어떻게 진화할까요?

A: 앞으로 딥 러닝은 개인정보보호와 관련하여 중요한 역할을 할 것입니다. 기업이 사용자의 개인정보를 보호하고, 문제를 보다 빠르고 쉽게 해결하는 데 있어 딥 러닝이 경쟁 우위를 차지하기 위한 핵심 요소가 될 것입니다.

기업의 데이터 양이 계속 증가함에 따라 딥 러닝은 빅데이터 문제를 해결하고, 복잡한 패턴을 추출하며, 데이터 태깅, 인덱싱, 검색과 같은 필수 작업을 완료하는 데 유용할 것입니다.

Adobe가 도와드리겠습니다

Adobe Experience Cloud를 통해 지식을 행동으로 전환하십시오.