딥러닝과 머신러닝의 차이는?

딥러닝은 learning 구조(방법)에 따른 분류를 보통 한다.

딥러닝의 반대말은 shallow learning (Input -> Output)

딥러닝은 (Input -> 가공된 Input -> 가공된 Input ... -> Output)

딥러닝의 유사어는 end-to-end learning, representation learning(중간과정을 자동생성), deep neural network(대부분 신경망 사용)

머신러닝의 분류 는 label 이용에 따른 분류(Supervised, Unsupervised, reinforcement)

Input은 고기, 양파, 마늘, 간장이라면 Feature는 재운고기 다진 야채

Input이 이미지 파일의 픽셀정보라면 Feature는 모서리 검출, 눈 검출, 입 검출 등

머신러닝은 raw 데이터인 Input으로 부터 Feature를 생각하여 ML method에 넣었을 때 Output을 받을 수 있는 것이라면

딥러닝은 데이터로 부터 Feature를 뽑아준다. 

딥러닝은 Feature 러닝이다.

딥러닝 장점: 인간이 알지 못하는 효율적인 Feature를 찾아준다

딥러닝 단점: 훨씬 더 많은 데이터를 필요로 한다. (labelled data), 디버깅이 어렵다.

출처: https://www.youtube.com/watch?v=mH3w-OmHQK0&index=13&list=PL0oFI08O71gKEXITQ7OG2SCCXkrtid7Fq