딥 러닝(deep learning)은 기계 학습(machine learning, ML)의 한 방법이다. 여러 층으로 이루어진 신경망(neural network)이 중간 표현을 학습한다. 학습할 때는 순전파(forward propagation)로 예측한 결과의 오차를 이용해 가중치(weights)를 갱신한다. 사람이 특징을 설계하는 특성 공학(feature engineering)에 많이 의존하는 전통 ML과 비교하면, 복잡한 비정형 데이터(unstructured data)의 표현을 학습하는 데 유용할 수 있다. 하지만 계산량, 필요한 데이터와 결과를 해석하는 부담이 늘 수 있으므로 어느 방법이 좋은지는 과업과 데이터, 운영 제약으로 평가한다.
페이지의 ‘레이블 지정할 필요 없음’ 같은 넓은 표현은 모든 딥 러닝에 적용하지 않는다. 구조(CNN 등)와 지도·비지도 등의 학습 목적을 구분해야 한다.
적용 범위: 여기서는 ML과 딥 러닝의 관계를 설명한다. 개별 신경망 구조와 연결된 서비스의 세부 구현까지 다루지는 않는다.
공식 출처와 이어 읽기
용어 확인: 기계 학습(machine learning, ML).