딥러닝

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.

핵심 아키텍처

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

핵심 학습 개념

• •역전파(Backpropagation): 손실 함수의 기울기를 출력층에서 입력층 방향으로 전파해 가중치 갱신
• •경사 하강법(Gradient Descent): 손실을 최소화하는 방향으로 가중치를 반복 업데이트
• •활성화 함수: ReLU·Sigmoid·Tanh 등으로 비선형성 부여
• •배치 정규화(Batch Norm): 레이어 입력을 정규화해 학습 안정성·속도 향상
• •드롭아웃(Dropout): 무작위로 뉴런을 비활성화해 과적합 방지
• •전이 학습(Transfer Learning): 대규모 데이터로 사전학습된 모델을 소규모 태스크에 미세조정