딥러닝의 구조와 학습 원리

Original lesson: SNACK AI 2강: 딥러닝의 구조와 학습 원리 Duration: 약 10분

Learning outcomes

• 딥러닝의 기본 구조인 인공 신경망을 이해할 수 있어요.
• 뉴런과 레이어의 개념을 설명할 수 있어요.
• 딥러닝이 어떻게 학습하는지 원리를 이해할 수 있어요.

Introduction

1강에서 AI, 머신러닝, 딥러닝의 개념을 배웠다면, 이번 시간에는 딥러닝이 어떻게 작동하는지 더 깊이 알아볼 거예요.

딥러닝의 핵심인 인공 신경망의 구조와 학습 원리를 함께 살펴봅시다!

1. 생물학적 뉴런 vs 인공 뉴런

딥러닝의 인공 신경망은 인간 뇌의 뉴런(신경세포)에서 영감을 받았습니다. 생물학적 뉴런이 전기 신호를 주고받듯이, 인공 뉴런도 숫자 데이터를 주고받습니다.

• 입력(Input): 다른 뉴런으로부터 신호를 받음
• 가중치(Weight): 각 입력의 중요도를 결정
• 활성화 함수: 출력 여부를 결정
• 출력(Output): 다음 뉴런으로 신호 전달

2. 신경망의 층(Layer) 구조

딥러닝의 신경망은 여러 층으로 구성됩니다. 입력층, 은닉층, 출력층으로 나뉘며, 은닉층이 많을수록 "깊은(Deep)" 신경망이 됩니다.

1. 입력층(Input Layer): 데이터가 처음 들어오는 층
2. 은닉층(Hidden Layer): 데이터를 처리하고 특징을 추출하는 층
3. 출력층(Output Layer): 최종 결과를 내보내는 층

3. 딥러닝의 학습 원리: 역전파

딥러닝은 "역전파(Backpropagation)"라는 방법으로 학습합니다. 예측이 틀리면 오차를 계산하고, 그 오차를 줄이는 방향으로 가중치를 조정합니다.