머신러닝과 딥러닝 차이

Ⅰ. 머신러닝과 딥러닝의 차이

가. 머신러닝과 딥러닝 학습 과정 차이

 

나. 머신러닝과 딥러닝 상세 차이

구분	머신러닝	딥러닝
개념	- 기계에 데이터를 학습시키고 패턴, 통계적 규칙을 이용하여 예측, 분류, 판단 등의 작업을 수행하는 방법론	- 머신러닝의 한 분야로, 인공 신경망 기반으로 다수의 은닉층을 가진 복잡한 패턴의 모델을 구축 및 학습하고 의사결정을 내리는 방법론
데이터	- 작은 규모의 데이터셋 학습 가능 - 학습 전 데이터 정제, 특징 추출 필요	- 대량의 데이터셋 학습에 필요 - 데이터 정제 및 특징 추출 모델이 자체 수행
자원	- 한정된 하드웨어 자원으로도 수행 가능 - 일반적인 CPU에서도 잘 동작	- 많은 하드웨어 자원 요구 - GPU나 TPU 같은 고성능 하드웨어 요구
모델	- 주로 선형적인 관계 표현 - 의사결정 트리, 서포트 벡터 머신, 나이브 베이즈 등 알고리즘 사용 - 간단하고 해석하기 쉬움	- 주로 비선형적인 관계 표현 - 다층 퍼셉트론, 합성곱 신경망, 순환 신경망, 적대적 생성 모델  등 신경망 기반 아키텍처 사용 - 복잡하고 해석하기 어려움
성능과 유연성	- 특정 문제에 맞는 알고리즘 선택 필수 - 데이터 유형과 문제에 적합한 모델 사용	- 이미지, 음성, 텍스트 같은 비정형 데이터에서 뛰어난 성능 - 문제의 복잡성과 데이터 양 증가할수록 더 나은 성
응용 분야	- 이메일 스팸 필터링 - 금융 사기 탐지 - 상품 추천	- 이미지 및 음성 인식 - 자연어 처리 - 자율 주행

 

 

[참조]

[1] https://kmong.com/article/1327--%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EC%B0%A8%EC%9D%B4%EC%A0%90-5%EA%B0%80%EC%A7%80

[2] https://wooono.tistory.com/m/206