딥러닝과 머신러닝의 차이

 

딥러닝과 머신러닝의 차이

 나는 딥러닝과 머신러닝의 차이가 항상 고민 되는 부분이었다. 둘의 차이점을 딱 이야기 해주지 않고 대부분 "딥러닝은 머신러닝의 일부에요."라는 그 정도의 설명이 대부분이었다. 머신러닝은 딥러닝을 포함하는 개념이지만 요새 들어서는 딥러닝을 제외한 나머지 기술들을 표현 하는식으로 사용되고 있다. 이 둘의 차이점을 구분하기 위해 다음과 같은 그림과 예시를 통해 알아보자.

전통적 프로그래밍, 머신러닝, 딥러닝 각각의 프로세스 플로우

 

딥러닝은 특징(feature)이 애매할 때 쓴다.

 이미지(데이터)를 통해 개와 고양이를 구별 한다고 했을 때, 우리(사람)은 시각적으로 보면 거의 바로 이미지에서 개인지 고양이인지 구별이 가능하지만 이를 구별하는 특징(feature)을 딱 정해서 말하라고 하면 애매하다. 눈, 코, 입간의 거리? 귀의 형태? 이런 특징을 정확하게 집어 낼 수 없지만 어떤 패턴이 있을 때 딥러닝을 사용한다. 대신 우리는 그게 어떻게 어떤 논리를 통해 학습하는지는 바로 알기 힘들다.

머신러닝은 특징(feature)을 사람이 가공한다.

 머신러닝으로 이미지(데이터)를 통해 개와 고양이를 구별하고자 한다면 우리는 개의 사진, 고양이의 사진을 분류하여 이 분류된 데이터들을 가지고 모델을 학습 시키게 된다. 결국 딥러닝과 다르게 사람이 개와 고양이의 특징(feature)을 구분하여 주고, 그 데이터들로부터 어떠한 규칙을 찾아낸 다는 점이다.

 

둘다 결국 기계가 학습을 하는 것이지만. 머신러닝은 데이터셋에서 규칙을 찾아내는 것이고, 딥러닝은 특징(feature)을 찾아내는 것이 차이점이라고 볼 수 있다.