머신러닝과 딥러닝을 혼동해서 사용하는 경우가 많이 있지만 이 둘은 조금 달라요. 머신러닝은 딥러닝을 포함하는 개념이에요. 딥러닝은 머신러닝의 하위 개념이라는 거죠. 아래의 내용이 이해가 안 된다면 그냥 ‘딥러닝 ⊂ 머신러닝’ 이라고 받아들이기만 해도 충분합니다. 저의 설명이 허접해서 이해가 쉽지 않을 거에요.
머신러닝은 데이터에서 다양한 통계를 기반으로 유의미한 정보를 추출하는 방법입니다. 하지만 머신러닝에서의 데이터는 다양한 Feature(특징적 요소)를 만족시킬 수록 유리합니다. 따라서 해당 데이터와 관련된 전문가들이 진행할 수 밖에 없습니다. 가령, 머신러닝을 활용하여 인공지능 모델을 만들었는데, 예측된 값이 예상 범위 밖에 있다면 전문 엔지니어가 개입하여 조정하게 됩니다. 아싸리 그래서 전문 엔지니어가 개입되는 과정까지 포함할 수 있는 인공지능 모델을 만들기로 합니다. 그것이 바로 ‘딥러닝’입니다.
딥러닝은 측정된 데이터에서 유의미한 정보로 만들 수 있는 공식 또는 기법을 찾아주는 것을 뜻해요. 대표적인 딥러닝 과정을 하나 말씀드릴게요. 학습 과정에서 기존에 갖고 있던 데이터를 기반으로 중간, 중간 해당 데이터를 임의로 삭제해요. 그 다음 삭제전의 오리지널 값과 예측값을 비교(대조)하면서 차이의 크기를 측정합니다. 차이의 값을 좁혀나갈 수 있는 다양한 변수들을 자동으로 조정하게 됩니다. 일련의 과정을 통해 만족할 만한 값이 도출된다면 진짜 제대로 써먹을 수 있는 ‘딥러닝’ 모델을 만들 수 있게 되죠. 말이 좀 어렵나요? 뭐 상관없어요~ 이런 개념은 실제로 이런 모델들을 코드로 접하게 되면 자연스럽게 이해가 가는 것들 입니다.
