MyCodeStory

- 파이썬은 처리속도가 C는 물론 Java 보다도 느리지만 빠른 프로토타이핑(prototyping) 이 강점- 딥러닝에서 처리해야 할 데이터는 이미지 기준으로 수십-수백만개임딥러닝에서는 대량의 데이터를 GPU를 통해 처리하기 때문에 개발 언어의 성능은 크게 중요하지 않음- 빠른 데이터 처리는 GPU에게 맡기고, 파이썬을 이용하여 전체 개발을 빠르게 구현- 딥러닝에서 파이썬을 사용하는 또 다른 이유는 넘파이(Numpy)가 지원되기 때문 딥러닝은 행렬계산이 많음행렬계산을 자바나 C 로 구현하려면 구현이 복잡하지만 넘파이는 간단함넘파이는 C로 구현되어 있어 속도도 빠름 ➔ 언어자체가 접근성이 쉽고, 다양한 수식을 라이브러리로 제공하기 때문에 대중적으로 사용됨 ➔ 이와같은 이유로 tensorflow, pytor..

데이터에서 학습한다!딥러닝 방식은 특징 추출시 데이터 부터 직접 학습하며 사람 개입을 필요로 하지 않음대표적인 딥러닝 예시 Chihuahua or Muffine ?(쿠키와 치와와 얼굴 구별)머신러닝 : 개발자가 치와와 특징(까만점 3개, 베이지색, 원형얼굴 ...)과 머핀 특징을 직접 추출딥러닝 : 딥러닝이 이미지로 부터 특징을 자동으로 추출          ➔ 딥러닝의 인식률이 월등히 높음머신러닝의 경우 개발자가 초기에 학습시킨 정보만을 베이스로 갖기 때문에 변칙적인 상황에서의 추론 능력이 낮음, 딥러닝의 경우 지속적 학습을 통해 학습 데이터를 추척함으로써 모델이 지속적으로 업데이트가 됨

딥러닝은닉층(hidden layer)을 갖는 신경망(Neural Network)을 이용하여많은 데이터로 부터 특징을 자동으로 직접 학습하는 machine learning(ML) 기법을 말함머신러닝과 딥러닝 차이- machine learning(기계학습)을 넗은 의미와 좁은 의미 중 어떻게 보느냐에 따라 딥러닝 과의 차이점이 달라짐- 넓은 의미 관점의 머신러닝크게 보면 딥러닝은 일종의 머신러닝이라 할 수 있음  -  좁은 의미 관점의 머신러닝딥러닝은 머신러닝의 단점을 보완한 기술임- 특징 추출(피쳐 익스트랙션)을 사람이 직접 하느냐 아니면 데이터로 자동으로 하느냐의 차이개발자가 특징을 추출하면 머신러닝(좁은 의미 관점)특징 추출이 데이터로 부터 자동으로 되도록 하면 딥러닝 - 전통적인 코딩과 ML/DL의 ..