[7주차 총정리] Deep Learning 기초 개념 정리

딥러닝

DataSet -> Data cleaning  -> Modeling -> Predict -> Evaluate

- 신경망 내부에서 자체적으로 데이터의 중요한 Feature 찾거나 구성함

머신러닝:
- DataSet -> Data cleaning -> Feature Engineering -> Modeling -> Predict -> Evaluate
- 사람이 직접 데이터의 중요한 부분들을 찾아 Feature로 정해주어야 함

 

https://ko.myservername.com/data-mining-vs-machine-learning-vs-artificial-intelligence-vs-deep-learning

 

 

장점

- Let the data speak. (우리의 선입견 배제)

- 사람이 직접 Feature를 design하는 일이 줄어듬

 

단점

- 10,000 단위 이상의 large amounts of labeled data 필요

  (이를 해결하고자 Data Augmentation으로 데이터 늘리기도 함)

- 데이터 라벨링하는 시간, 비용이 많이 듦

- 딥러닝 내부 작동 방식을 설명할 수 없음