딥 러닝이란?
딥 러닝은 머신 러닝의 한 방법으로, 학습 과정 동안 인공 신경망(ANN : Artificial Neural Network)으로서 예시 데이터에서 얻은 일반적인 규칙을 독립적으로 구축(훈련)합니다. 특히 머신 비전 분야에서 신경망은 일반적으로 데이터와 예제 데이터에 대한 사전 정의된 결과와 같은 지도 학습을 통해 학습됩니다.
딥 러닝의 작동 원리
1. 인공 신경망
머신러닝의 한 기법인 딥 러닝은 특정 형식의 인공 신경망(ANN)을 사용하며, 우선 샘플 데이터를 통한 훈련 작업이 필요합니다. 그 이후에는 훈련된 ANN을 해당 작업에 사용할 수 있습니다. 훈련된 ANN의 사용하는 것을 "추론"이라고 합니다. 추론이 진행되는 동안 ANN은 학습된 규칙에 따라 제공된 데이터에 대한 평가 결과를 다시 보고합니다. 이러한 평가 결과는 입력 이미지에 결함이 있는지 또는 오류가 없는 객체를 나타내는지에 대한 추정 등이 될 수 있습니다.
2. 뉴런, 계층 및 연결
인공신경망(ANN)은 서로 연결된 "뉴런" 계층으로 구성됩니다. 가장 간단한 경우, 이 계층은 입력 계층과 출력 계층으로 구성됩니다. 뉴런과 연결(link)은 매트릭스에 비유할 수 있습니다. 링크 매트릭스는 입력 매트릭스 개별 값과 결과 매트릭스의 값 사이의 연결을 포함합니다. 연결 매트릭스의 값에는 각 연결의 가중치가 포함됩니다. 입력 값과 논리 매트릭스의 값에 가중치를 반영하면 결과 매트릭스의 개별 값이 생성됩니다.
3. 심층 인공 신경망
딥 러닝이라는 용어는 소위 "심층" 인공 신경망(ANN)에 대한 훈련을 의미합니다. 이 인공 신경망은 입력 및 출력 계층 뿐만 아니라 입력 및 출력을 위한 가시적인 계층 사이에 존재하는 수백 개의 추가적인 "숨겨진" 계층으로 구성됩니다. 숨겨진 계층의 결과 매트릭스는 다음 계층의 입력 매트릭스로 사용됩니다. 이 경우에는 마지막 계층의 출력 매트릭스에만 결과가 포함됩니다.
4. 훈련
인공 신경망(ANN)을 훈련할 때 초기 초점은 무작위로 설정됩니다. 그리고 나서 샘플 데이터가 서서히 추가됩니다. 학습 규칙은 입력 데이터 및 예상 결과에 따라 관계의 가중치를 조정하는 데 사용됩니다. 결과에 대한 평가의 정확성을 의미하는 ANN의 궁극적인 효과는 훈련에서 사용되는 예시 데이터에 큰 영향을 받습니다. 일반적으로 훈련 내용에 변동성이 높은 예시 데이터가 많이 포함될수록 추론에서 더 정확한 결과를 얻을 수 있습니다. 매우 유사하거나 반복적인 데이터를 사용하여 훈련을 수행하는 경우, ANN은 예시 데이터와 다른 분야의 데이터를 추정할 수 없게 됩니다. 이 경우 우리는 ANN이 "과적합(overfit)"하다고 표현합니다.
딥러닝의 활용
IMAGE CLASSIFICATION
AI 응용 프로그램이 디지털 이미지 또는 비디오에서 물체나 특징을 식별하고 감지하는 프로세스입니다. 이미지 분류는 딥 러닝 모델을 사용하여 매장 내 이미지를 신속하게 스캔하고 분석하여 재고 이동을 직관적으로 결정하는 소매 업종에서 시작되었습니다. 그 결과 운영 간소화, 비용 절감 및 새로운 판매 기회가 생겼습니다 3 .
VOICE RECOGNITION
이것은 받아쓰기를 수신 및 해석하거나 음성 명령을 이해하고 수행하는 딥 러닝 모델의 능력입니다. 모델은 캡처된 음성 명령을 텍스트로 변환한 다음 자연어 처리를 사용하여 말하는 내용과 컨텍스트를 이해할 수 있습니다. 이는 운전자가 운전대에서 손을 떼지 않고도 음성 명령을 사용하여 전화를 걸고 내부 제어 장치를 조정할 수 있도록 함으로써 안전을 개선하는 자동차와 같은 산업에 막대한 이점을 제공했습니다.
ANOMALY DETECTION
이 딥 러닝 기술은 수백만 개의 서로 다른 트랜잭션 중에서 특정 시스템에 대해 예상되는 동작과 일치하지 않는 비정상적인 패턴을 인식하기 위해 노력합니다. 이러한 응용 프로그램은 금융 네트워크에 대한 공격의 발견, 보험 서류 또는 신용 카드 구매의 사기 탐지, 심지어 안전 문제를 나타내는 산업 시설의 센서 데이터를 격리하는 것으로 이어질 수 있습니다
Recommendations
이러한 모델은 사용자 행동을 기반으로 권장 사항을 제공하기 위해 사용자 행동을 분석합니다. 추천
엔진은 추천 엔진을 사용하여 사용자의 쇼핑 기록을 기반으로 향후 구매를 위해 제품을 정확하게 제안하는 Overstock.com과 같은 전자 상거래 사이트의 중요한 구성 요소입니다. 이는 사용자의 마찰을 크게 줄이고 회사에 효율적인 수익원을 제공합니다.
SENTIMENT ANALYSIS
자연어 처리(Natural Language Process), 텍스트 분석 및 전산 언어학과 같은 딥 러닝 중심 기술을 활용하여 고객 의견에 대한 명확한 통찰력, 소비자 감정 이해 및 마케팅 전략의 영향 측정5을 얻습니다. Riot Games는 이 특정 유형의 AI의 실제 응용 프로그램을 배포하여 사용자 경험을 개선하기 위해 게임 내 경험 중에 발생할 수 있는 욕설을 더 잘 이해하고 방지합니다.
VIDEO ANALYSIS
딥 러닝 모델을 사용하면 공항 보안, 은행 및 스포츠 이벤트에서 사용할 수 있는 위협 감지를 비롯한 다양한 작업에 대한 방대한 비디오 영상 스트림을 처리하고 평가할 수 있습니다. Viacom과 같은 미디어 회사는 비디오 분석을 활용하여 지연을 제거하고 사용자 경험을 극대화합니다.
딥러닝 워크플로우
딥 러닝 모델을 구축하고 훈련하기 위한 보통의 Workflow는 다양한 단계로 구성됩니다. 여기에는 네트워크 아키텍처 선택을 통해 프로덕션에 이르는 데이터 수집이 포함됩니다.
훈련 데이터 세트 생성 – 여기에는 모델을 훈련하는 데 필요한 다양한 소스의 다양한 데이터 유형이 포함될 수 있습니다. 여기에는 레이블이나 대상 변수 값을 얻기 위한 추가 노력이 포함될 수 있습니다.
데이터 분석 – 오류와 불일치를 제거하기 위해 데이터를 정리하고 구성하는 것이 중요합니다.
아키텍처 설계 – 핵심은 해결하려는 문제 유형을 이해한 다음 작업에 적합한 아키텍처를 선택하는 것입니다.
하이퍼파라미터 조정 – 딥 러닝에서 최상의 결과를 얻으려면 하이퍼파라미터 교육에 대해 다양한 값을 실험해야 합니다.
모델 훈련 – 이 단계에서는 최적의 모델을 생성하기 위해 최적화 루틴을 수행하는 학습 알고리즘에 데이터를 제공합니다.
성능 평가 - 보이지 않는("테스트") 데이터 세트에 대해 모델의 실제 "사고"인 예측 및 추정을 자신 있게 수행하는 모델의 능력을 검증합니다.
딥러닝 프레임워크
딥 러닝을 시작하려면 먼저 프레임워크를 선택합니다. 대부분의 프레임워크는 다양한 프로그래밍 언어를 지원하고 다양한 수준의 아키텍처 복잡성, 다양한 수준의 성능 및 특정 사용 사례에 적합한 다양한 딥 러닝 알고리즘을 제공합니다. 다음은 사용 가능한 몇 가지 일반적인 딥 러닝 프레임워크에 소개합니다.
Tensorflow
데이터 흐름 그래프를 사용한 수치 계산을 위한 강력한 오픈 소스 소프트웨어 라이브러리입니다
PyTorch
딥 머신 러닝을 위한 광범위한 알고리즘을 제공하는 Python 기반 컴퓨팅 패키지입니다.
Keras
심층 신경망에 대한 빠른 실험을 가능하게 하도록 설계된 Python으로 작성된 오픈 소스 신경망 라이브러리이며, 최소, 모듈식 및 확장성에 중점을 둡니다.
Caffe
표현, 속도 및 모듈성을 염두에 두고 설계된 오픈 소스 딥 러닝 프레임워크입니다. 프로덕션에서 예측을 위해 모델을 운영하는 데 자주 사용됩니다.
MxNet
효율성과 유연성 모두를 위해 설계된 딥 러닝 프레임워크입니다. 효율성과 생산성을 극대화하기 위해 기호 프로그래밍과 명령형 프로그래밍을 혼합할 수 있습니다.
<Deep Learning 관련 포스팅>
[Intro to Deep Learning] A Single Neuron
[Intro to Deep Learning] Deep Neural Networks
'Data Science > Deep Learning' 카테고리의 다른 글
| Image Generate AI Testing (0) | 2023.02.14 |
|---|---|
| [Intro to Deep Learning] Underfitting and Overfitting (0) | 2022.09.15 |
| [Intro to Deep Learning] MAE, Stochastic Gradient Descent (0) | 2022.09.06 |
| [Intro to Deep Learning] Deep Neural Networks (0) | 2022.09.06 |
| [Intro to Deep Learning] A Single Neuron (0) | 2022.09.02 |
최근댓글