이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
딥 러닝은 구조화되지 않았거나 레이블이 지정되지 않은 데이터에서 감독되지 않은 학습이 가능한 네트워크가 있는 인공 지능 기계 학습의 하위 집합입니다. 심층 신경망 또는 심층 신경망이라고도 합니다.
딥 러닝은 상호 연결된 노드 레이어로 구성된 인공 신경망을 사용하여 작동합니다. 이 노드는 뇌의 뉴런과 유사하며 노드 간의 연결 가중치를 조정하여 학습할 수 있습니다.
노드의 첫 번째 계층은 입력 계층이며 여기에서 데이터가 네트워크에 공급됩니다. 그런 다음 데이터는 가중치가 조정되고 데이터가 변환되는 노드의 숨겨진 레이어를 통과합니다. 출력 레이어는 노드의 마지막 레이어이며 변환된 데이터가 출력되는 곳입니다.
딥 러닝에는 많은 이점이 있으며 그 중 일부는 다음과 같습니다.
딥 러닝은 구조화되지 않았거나 레이블이 지정되지 않은 데이터에서 학습할 수 있습니다. 즉, 사람이 식별하기에는 너무 복잡한 데이터에서 패턴을 찾는 데 사용할 수 있습니다.
딥러닝은 인간보다 훨씬 빠른 속도로 학습할 수 있으며, 대량의 데이터를 빠르게 처리할 수 있습니다.
딥 러닝은 사전 지식이나 경험에 편향되지 않기 때문에 인간보다 더 나은 예측을 할 수 있습니다.
딥 러닝에는 다음과 같은 몇 가지 단점이 있습니다.
딥 러닝은 컴퓨팅 집약적일 수 있으며 정확한 학습을 위해서는 많은 데이터가 필요합니다.
딥러닝은 복잡한 알고리즘을 사용하기 때문에 이해하고 해석하기 어려울 수 있습니다.
딥 러닝은 과적합에 취약할 수 있습니다. 즉, 신호 대신 데이터의 노이즈를 학습할 수 있습니다.