[모두의 딥러닝] 1장 나의 첫 딥러닝

졸업 작품을 준비하면서 딥러닝 공부를 시작하기로 했다. 교수님의 추천으로 길벗 출판사의 '모두의 딥러닝'을 구매했다.

일단 기초부터 차근차근 공부해나가야겠다. 

 

사람이 할 수 있는 것과 유사한 판단을 컴퓨터가 해 낼 수 있게끔 인공지능을 연구하던 중, 기존의 데이터를 이용해 앞으로의 일을 예측하는 '머신러닝(machine learning)' 기법이 효과적임을 발견했다. 이 머신러닝 안에는 여러 알고리즘들이 있는데, 이 중 가장 좋은 효과를 내는 것이 바로 딥러닝이다. (딥러닝 ⊂ 머신러닝 ⊂ 인공지능)

 

기존에 우리가 했던 프로그래밍은 데이터를 입력해서 답을 구하는 데 초점이 맞춰져 있었다면, 머신러닝은 데이터 안에서 규칙을 발견하고 그 규칙을 새로운 데이터에 적용해서 새로운 결과를 도출하는 데 초점이 맞춰져 있다.

 

예를 들어 '수술하기 전에 수술 후의 생존율을 수치로 예측'하려면 의사가 집도한 환자의 수술 전 상태와 수술 후의 생존율을 정리해 놓은 데이터를 머신러닝 알고리즘에 넣으면 된다. 기존 환자의 데이터는 머신러닝에 입력되는 순간, 그 패턴과 규칙이 분석되고 그 결과를 새로운 환자의 데이터와 비교하여 생존 가능성을 알려준다. 

 

여기서 데이터가 입력되고 패턴이 분석되는 과정을 학습(training)이라고 한다.

출처=모두의 딥러닝

 머신러닝의 예측 성공률은 얼마나 정확한 경계선을 긋느냐에 달려있다. 학자들이 더 정확한 선을 긋고자 여러 가지 방법을 고안했는데, 그 중 제일 효과적인 방법이 딥러닝이다.

 

예측한 성공률이 정말 가능한지 확인해보기 위해 즉, '최적화 과정'을 진행하기 위해 딥러닝의 구동 원리를 이해하자!

 

* 미리 들여다보기 *

• activation : 다음 층으로 어떻게 값을 넘길지 결정하는 부분. 가장 많이 사용되는 함수 relu()와 sigmoid 함수를 사용하게끔 지정하고 있음. 
• loss : 한 번 신경망이 실행될 때마다 오차 값을 추적하는 함수.
• optimizer : 오차를 어떻게 줄여 나갈지 정하는 함수.