딥러닝 개요

딥러닝은 인공신경망(Artificial Neural Network, ANN) 을 깊게(Deep) 쌓아올린 모델이에요.

1️⃣ 핵심 개념

• Neuron (뉴런): 입력 → 가중치(weight) → 활성화 함수(activation) → 출력
• Layer (층): 뉴런들을 연결한 집합
  • 입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)
• Forward Propagation: 입력에서 출력으로 신호 전달
• Backpropagation: 오차(Error)를 역전파해 가중치 업데이트
• Loss Function: 모델이 얼마나 틀렸는지 측정
• Optimizer: 가중치를 어떻게 업데이트할지 결정 (SGD, Adam 등)

2️⃣ 주요 딥러닝 모델

모델특징주요 용도

CNN (Convolutional Neural Network)	이미지에서 특징 추출에 특화	이미지 분류, 객체 탐지
RNN (Recurrent Neural Network)	시계열 데이터 처리	자연어 처리, 음성 인식
LSTM/GRU	RNN의 장기 기억 문제 해결	텍스트 생성, 번역
Transformer	병렬 처리 + Self-Attention	ChatGPT, BERT, 번역, 요약
GAN (Generative Adversarial Network)	생성자와 판별자가 경쟁하며 학습	이미지 생성, 스타일 변환

 

---

🔹 LLM(대규모 언어 모델)과의 연결

• LLM(ChatGPT, GPT-4 등)은 Transformer 기반 딥러닝 모델이에요.
• 대량의 텍스트 데이터를 학습해 언어 이해(언어 모델링) 와 텍스트 생성을 수행.
• Fine-tuning, Prompt Engineering, RAG 등을 통해 다양한 AI 서비스로 확장 가능.

---

📚 추천 학습 순서

1. AI 전체 개념 이해 → 머신러닝과 딥러닝의 차이
2. 수학 기초 (선형대수, 확률, 미분, 벡터)
3. ML 기본 알고리즘 (Linear Regression, Decision Tree, SVM 등)
4. 딥러닝 기본기 (신경망 구조, CNN, RNN, Transformer)
5. LLM 아키텍처 (Attention, Transformer, BERT, GPT)
6. 실습 (PyTorch/TensorFlow로 간단한 모델 구현)

---