지식 · AI 기초
딥러닝
Deep Learning
📂AI 기초⏱읽기 1분📊입문🔗관련 4
딥러닝이란?
한 줄 정의
여러 층의 인공 신경망으로 데이터에서 스스로 특징을 학습하는 머신러닝의 한 갈래. 현대 AI 혁명의 엔진.
⚡ 3줄 요약
- 여러 층 신경망으로 특징 스스로 학습
- 머신러닝의 강력한 갈래
- 현대 AI 혁명의 엔진
딥러닝은 여러 층(deep)으로 쌓은 인공 신경망을 이용해 데이터에서 복잡한 패턴을 스스로 학습하는 기술입니다. 사람이 특징을 일일이 지정하던 전통 머신러닝과 달리, 딥러닝은 층을 거치며 단순한 특징에서 복잡한 특징까지 자동으로 배웁니다. 이미지·음성·언어 처리에서 비약적 성능을 냈습니다.
딥러닝이 대량의 데이터와 강력한 연산(GPU)을 만나며 2010년대 AI 혁명을 이끌었습니다. CNN(이미지)·RNN(순서)·트랜스포머(언어) 등이 모두 딥러닝 구조입니다. 오늘날의 생성형 AI·거대 언어모델도 딥러닝의 산물입니다. '머신러닝의 한 갈래이지만, 현대 AI의 대부분을 차지하는 핵심'입니다.
💡 쉽게 말하면
층층이 쌓인 뇌 회로 — 사람이 특징을 안 알려줘도 데이터에서 스스로 알아냅니다.
실무에서 왜 중요한가
딥러닝은 사람이 못 짚던 복잡한 패턴을 스스로 학습해, 현대 AI의 폭발적 발전을 이끌었습니다.
유래와 출처
신경망 연구에 뿌리를 두며, 2006년 제프리 힌튼(Geoffrey Hinton) 등의 연구와 2010년대 GPU·빅데이터로 본격 도약했습니다.
출처 · Geoffrey Hinton et al.(2006~)
사례로 이해하기
예를 들어, 딥러닝이 고양이 사진을 배우는 과정을 그려봅시다.
- 입력 — 수많은 고양이 사진을 받습니다.
- 층 통과 — 앞층은 선·모서리를 잡습니다.
- 심화 — 뒷층은 눈·귀 같은 형태를 잡습니다.
- 학습 — 오차를 줄이며 스스로 특징을 익힙니다.
- 판단 — 새 사진도 '고양이'로 인식합니다.
관련 용어
머신러닝 · 딥러닝머신러닝은 데이터로 규칙을 스스로 학습하는 AI의 방법, 딥러닝은 그중 인공신경망을 깊게 쌓아 학습하는 강력한 갈래.인공신경망사람 뇌의 뉴런을 본떠, 데이터의 패턴을 층층이 학습하는 AI의 기본 구조. 딥러닝·생성형 AI의 토대.합성곱 신경망 · CNN이미지의 지역적 특징(선·모서리·질감)을 단계적으로 잡아내도록 설계된 신경망. 이미지 인식의 주역.트랜스포머문장 속 모든 단어의 관계를 한 번에 파악하는 '어텐션' 방식의 신경망 구조. 오늘날 생성형 AI의 기반.
이 용어와 연결된 교육
📚에이전트 AI 실무 입문나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
딥러닝은 머신러닝의 한 갈래입니다. 여러 층 신경망으로 '특징까지 스스로 학습'하는 것이 특징입니다.
이론은 오래됐지만, 대량 데이터와 강력한 연산(GPU)이 갖춰진 2010년대에 본격 도약했습니다.
딥러닝은 머신러닝의 한 갈래입니다. 여러 층 신경망으로 '특징까지 스스로 학습'합니다.
이론은 오래됐지만, 대량 데이터와 강력한 연산(GPU)이 갖춰진 2010년대에 도약했습니다.