딥 러닝이란 무엇입니까?
딥 러닝은 인공 지능 기능으로 데이터 처리 및 의사 결정에 사용할 패턴을 만드는 데있어 인간 두뇌의 작용을 모방합니다. 딥 러닝은 인공 지능 (AI)에서 기계 학습의 하위 집합으로, 구조화되지 않거나 레이블이 지정되지 않은 데이터에서 감독되지 않은 학습이 가능한 네트워크를 갖추고 있습니다. 심층 신경 학습 또는 심층 신경 네트워크라고도합니다.
딥 러닝 작동 방식
딥 러닝은 디지털 시대와 함께 진화하여 모든 형태와 세계의 모든 지역에서 폭발적인 데이터를 가져 왔습니다. 단순히 빅 데이터로 알려진이 데이터는 소셜 미디어, 인터넷 검색 엔진, 전자 상거래 플랫폼 및 온라인 시네마와 같은 소스에서 가져옵니다. 이 엄청난 양의 데이터는 쉽게 액세스 할 수 있으며 클라우드 컴퓨팅과 같은 핀 테크 애플리케이션을 통해 공유 할 수 있습니다.
그러나 일반적으로 구조화되지 않은 데이터는 너무 커서 사람이 데이터를 이해하고 관련 정보를 추출하는 데 수십 년이 걸릴 수 있습니다. 기업들은 이러한 풍부한 정보를 공개함으로써 발생할 수있는 놀라운 잠재력을 깨닫고 자동화 된 지원을 위해 AI 시스템에 점점 더 적응하고 있습니다.
딥 러닝은 일반적으로 수십 년이 걸리고 이해하고 처리하는 데 필요한 대량의 비정형 데이터에서 배웁니다.
머신 러닝과 딥 러닝
빅 데이터를 처리하는 데 사용되는 가장 일반적인 AI 기술 중 하나는 머신 러닝 (machine learning)으로, 경험이 있거나 새로 추가 된 데이터를 통해 점점 더 나은 분석 및 패턴을 얻는 자체 적응 형 알고리즘입니다.
디지털 결제 회사가 시스템에서 사기의 가능성 또는 발생 가능성을 감지하려는 경우이를 위해 기계 학습 도구를 사용할 수 있습니다. 컴퓨터 모델에 내장 된 계산 알고리즘은 디지털 플랫폼에서 발생하는 모든 트랜잭션을 처리하고, 데이터 세트에서 패턴을 찾고, 패턴에 의해 감지 된 이상을 지적합니다.
머신 러닝의 하위 세트 인 딥 러닝은 기계 학습 프로세스를 수행하기 위해 계층 적 수준의 인공 신경 네트워크를 활용합니다. 인공 신경망은 인간의 뇌처럼 구축되며 뉴런 노드는 웹처럼 서로 연결되어 있습니다. 기존의 프로그램은 선형 방식으로 데이터를 사용하여 분석을 구축하지만 딥 러닝 시스템의 계층 적 기능을 통해 머신은 비선형 접근 방식으로 데이터를 처리 할 수 있습니다.
사기 또는 자금 세탁을 탐지하는 전통적인 접근 방식은 발생하는 거래량에 의존 할 수 있지만 딥 러닝 비선형 기술에는 시간, 지리적 위치, IP 주소, 소매 업체 유형 및 사기 행위를 나타낼 가능성이있는 기타 기능이 포함됩니다.. 신경망의 첫 번째 계층은 트랜잭션의 양과 같은 원시 데이터 입력을 처리하고 출력으로 다음 계층에 전달합니다. 두 번째 계층은 사용자의 IP 주소와 같은 추가 정보를 포함하여 이전 계층의 정보를 처리하고 결과를 전달합니다.
다음 레이어는 두 번째 레이어의 정보를 가져와 지리적 위치와 같은 원시 데이터를 포함하며 기계의 패턴을 더욱 향상시킵니다. 이것은 뉴런 네트워크의 모든 수준에서 계속됩니다.
주요 테이크 아웃
- 딥 러닝은 의사 결정에 사용하기 위해 데이터를 처리하는 데있어 인간 두뇌의 작용을 모방하는 AI 기능입니다. 딥 러닝 AI는 구조화되지 않은 데이터와 레이블이없는 데이터를 통해 학습 할 수 있습니다. 머신 러닝 서브 세트 인 딥 러닝을 사용할 수 있습니다 사기 또는 자금 세탁을 감지하는 데 도움이됩니다.
딥 러닝의 예
머신 러닝과 함께 위에서 언급 한 사기 탐지 시스템을 사용하면 딥 러닝 예제를 만들 수 있습니다. 머신 러닝 시스템이 사용자가 보내거나받는 달러 수에 따라 매개 변수로 모델을 생성 한 경우 딥 러닝 방법은 머신 러닝에서 제공하는 결과를 바탕으로 시작할 수 있습니다.
신경망의 각 계층은 소매점, 발신자, 사용자, 소셜 미디어 이벤트, 신용 점수, IP 주소 및 사람에 의해 처리되는 경우 함께 연결하는 데 몇 년이 걸릴 수있는 다른 기능과 같은 추가 데이터를 사용하여 이전 계층을 기반으로합니다. 존재. 딥 러닝 알고리즘은 모든 거래에서 패턴을 생성 할뿐만 아니라 패턴이 사기 조사의 필요성을 알리는시기도 알 수 있도록 훈련됩니다. 최종 계층은 보류중인 모든 조사가 완료 될 때까지 사용자 계정을 동결시킬 수있는 분석가에게 신호를 전달합니다.
딥 러닝은 여러 산업 분야에서 다양한 작업에 사용됩니다. 이미지 인식, 소비자 추천 앱이 포함 된 오픈 소스 플랫폼 및 새로운 질병에 약물을 재사용 할 수있는 의학적 연구 도구를 사용하는 상용 앱은 딥 러닝 통합의 예입니다.
빠른 사실
전자 제품 제조업체 인 Panasonic은 대학 및 연구 센터와 협력하여 컴퓨터 비전과 관련된 딥 러닝 기술을 개발하고 있습니다.
