Deep Learning

딥 러닝은 최근 머신 러닝 분야에서 가장 크게 주목 받고 있는 분야 중 하나이다. 그동안은 딥 러닝이 복잡한 함수에 대해서도 좋은 모델링 성능을 보인다고 알려져 있음에도 불구하고, 학습하기가 쉽지 않고 학습 속도도 느려 적용하는것 에 어려움이 따랐다. 그러나 최근 수 년 사이에 제시된 여러 해결책들과 빅 데이터로 인해 이 알고리즘을 활용할 수 있는 가능성이 열리게 되었다.

딥 러닝이 다시 부활하게 된 이유는 크게 세가지로 볼 수 있다. 첫 번째는 기존 인공신경망 모델의 단점이 극복되었다는 점이다. 그러나 overfitting 문제만 해결되었다고 해서 느린 학습시간이 줄어드는 것은 아니다. 두 번째 이유로, 여기에는 하드웨어의 발전이라는 또다른 요인이 존재 한다. 특히 강력한 GPU들은 복잡한 매트릭스와 벡터 계산이 혼재해 있는 경우 몇 주 걸리던 작업을 몇 일 사이로 줄이는 등 최고의 성능을 발휘하고 있다. 마지막 이유로 Big Data를 들 수 있다. 대량으로 쏟아져 나오는 데이터들로 이 복잡한 모델을 학습하는데 충분한 크기의 데이터를 수집할 수 있는 환경이 마련되었다. 이러한 노력의 결과로 deep neural networks, convolutional deep neural networks, deep believe networks와 같은 다양한 딥러닝 기법들이 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용되어 최첨단의 결과들을 보여주고 있다.