📚 머신러닝과 딥러닝 완벽 정리 | 개념부터 모델 종류까지 한눈에 보기

📚 머신러닝과 딥러닝 완벽 정리 | 개념부터 모델 종류까지 한눈에 보기

AI, 머신러닝, 딥러닝의 개념이 헷갈리시나요?
이 글에서는 머신러닝과 딥러닝의 차이점, 학습 방식, 대표 모델 등을 체계적으로 정리했습니다.
딥러닝 입문자, 데이터 사이언스 공부 중인 분이라면 꼭 참고해보세요!

---

📌 목차

• 🤖 머신러닝(Machine Learning) 개념
• 🔍 머신러닝과 딥러닝 차이점
  • 공통점
  • 차이점
• 🧠 머신러닝/딥러닝의 학습 방법 3가지
  • 1. 지도학습
  • 2. 비지도학습
  • 3. 강화학습
• 🧬 딥러닝 모델 종류
  • 1. ANN
  • 2. RNN
  • 3. CNN
  • 4. GAN
  • 5. Transformer
• 📝 마무리 요약

---

🤖 머신러닝(Machine Learning) 개념

머신러닝은 데이터에서 패턴을 찾아내는 알고리즘입니다.
인공지능(Artificial Intelligence)의 한 분야로, 머신러닝 안에 딥러닝이 포함됩니다.

머신러닝은 학습 및 테스트 데이터, 모델을 바탕으로 최적화 과정을 통해 최적의 가중치를 찾아내며
주로 회귀, 분류 문제를 처리합니다.

---

🔍 머신러닝과 딥러닝 차이점

공통점

• 둘 다 데이터를 기반으로 지식을 학습하고, 예측을 수행하는 인공지능 기술입니다.

차이점

구분	머신러닝	딥러닝
특징 추출	사람이 특징을 설계	자동으로 특징 추출
알고리즘	의사결정 트리, SVM 등	신경망 기반 모델
필요 데이터량	적음	많음
적용 분야	예측, 추천, 분석 등	자연어 처리, 음성 인식, 이미지 생성 등

---

🧠 머신러닝/딥러닝의 학습 방법 3가지

1. 지도학습 (Supervised Learning)

• 입력값과 정답(레이블)을 함께 제공
• 예측/분류 문제에 효과적

2. 비지도학습 (Unsupervised Learning)

• 정답 없이 입력 데이터만을 기반으로 학습
• 데이터 분류, 군집화, 패턴 탐색에 유용

3. 강화학습 (Reinforcement Learning)

• 보상 기반으로 학습하며, 최적의 행동을 찾아냄
• 게임 AI, 로봇, 자율주행 등에 활용

---

🧬 딥러닝 모델 종류

1. ANN (Artificial Neural Network)

• 기본적인 인공신경망 구조
• 입력층-은닉층-출력층으로 구성

2. RNN (Recurrent Neural Network)

• 시계열 데이터를 처리하는 순환 신경망
• 자연어 처리, 음성 인식에 활용

3. CNN (Convolutional Neural Network)

• 이미지 처리에 특화된 구조
• 필터를 사용해 특징을 추출

4. GAN (Generative Adversarial Network)

• 생성자와 판별자의 경쟁을 통해 학습
• 가짜 데이터를 진짜처럼 생성

5. Transformer

• Attention 기반 자연어 처리 모델
• 입력을 병렬로 처리하며, GPT, BERT 등 대부분의 최신 NLP 모델의 기반

---

📝 마무리 요약

구분	머신러닝	딥러닝
설계 방식	특징 수동 설계	특징 자동 추출
대표 기술	결정트리, 클러스터링 등	CNN, RNN, Transformer
학습 방식	전통적 알고리즘	인공 신경망 구조
활용 예	가격 예측, 고객 분석	언어 생성, 이미지 분석

---

📈 이 글은 머신러닝과 딥러닝의 핵심 개념부터 다양한 모델의 차이점까지 한눈에 정리한 가이드입니다.
입문자부터 중급자까지, AI 공부에 도움이 되길 바랍니다.