AIINSIGHT NOTE
AI · Web3 · Tech trends and insights at a glance
AI · Web3 · Tech trends and insights at a glance
인공 신경망을 기반으로 데이터에서 계층적 표현을 학습하는 딥러닝의 핵심 개념과 아키텍처를 정리합니다. CNN·RNN·Transformer·GAN 등 주요 모델 구조와 학습 원리, 실전 응용까지 다룹니다.
딥러닝(Deep Learning)은 머신러닝의 한 분야로, 다층 인공 신경망(Deep Neural Network)을 이용해 데이터에서 계층적 특성을 자동으로 학습한다. 사람이 직접 특성(Feature)을 설계할 필요 없이 원시 데이터에서 패턴을 추출할 수 있어 이미지·음성·자연어 처리 분야에서 혁신적인 성과를 냈다.
| 아키텍처 | 특징 | 주요 활용 |
|---|---|---|
| CNN (합성곱 신경망) | 공간 패턴 추출에 특화된 필터 연산 | 이미지 분류, 객체 탐지, 세그멘테이션 |
| RNN / LSTM / GRU | 순서·시계열 데이터의 문맥 정보 처리 | 번역, 음성 인식, 시계열 예측 |
| Transformer | 셀프 어텐션으로 전역 의존성 포착 | LLM, 기계 번역, 이미지 생성 |
| GAN | 생성자-판별자 적대적 학습으로 데이터 생성 | 이미지 생성, 스타일 변환, 데이터 증강 |
| VAE | 잠재 공간 학습으로 확률적 생성 | 이미지 생성, 이상 탐지 |
| Diffusion Model | 노이즈 제거 과정으로 고품질 데이터 생성 | Stable Diffusion, DALL-E |