개념
딥러닝은 여러 층의 인공신경망을 사용해 데이터의 복잡한 패턴을 학습하는 기계학습 방법이다. 입력층에서 출력층까지 여러 중간층을 거치며 점점 더 추상적인 표현을 만든다.
깊은 신경망은 여러 함수의 합성으로 나타낼 수 있다.
부활의 계기
초기 인공신경망은 데이터 부족, 연산 자원 부족, 기울기 소실 같은 문제로 한계가 있었다. 그러나 GPU, 대규모 데이터, 좋은 학습 기법이 등장하면서 딥러닝이 다시 주목받았다.
2012년 AlexNet은 대규모 이미지 분류에서 기존 방법보다 훨씬 좋은 성능을 보여 딥러닝 붐을 일으켰다.
장점과 한계
딥러닝은 이미지, 음성, 언어처럼 복잡한 데이터에서 강력하다. 하지만 데이터가 적거나 환경이 자주 바뀌는 문제에서는 과적합이 생기기 쉽고, 항상 최고의 선택은 아니다.