--- title: "† #머신러닝 #딥러닝" url: "https://notes.junghanacs.com/meta/20250527T065122" author: "Junghan Kim" date: "2025-05-27T06:51:00+09:00" lastmod: "2025-05-27T06:51:00+09:00" tags: ["deeplearning","machinelearning","meta"] description: "머신러닝과 딥러닝의 차이를 하위 분야 관계와 학습 방식의 차이 속에서 정리한다. 통계적 학습에서 신경망 기반 접근으로 이어지는 흐름을 한눈에 보게 한다." --- > [!abstract] 이 노트에 대하여 > > 머신러닝과 딥러닝의 차이를 하위 분야 관계와 학습 방식의 차이 속에서 정리한다. 통계적 학습에서 신경망 기반 접근으로 이어지는 흐름을 한눈에 보게 한다. ## 히스토리 - [2025-06-29 Sun 11:03] 키워드가 없었네? - [2025-05-27 Tue 06:51] 메타로 추가해야 한다. ## 관련메타 - [#AI반도체](https://notes.junghanacs.com/meta/20250521T103915) ## KEYWORDS - [bib/ @정주희 #수리논리 #집합론 #머신러닝 #수학 '2024-09-08 #2026-08-05](https://notes.junghanacs.com/bib/20240908T145849) - [bib/ @딥러닝의-대부들 Godfathers of Deep Learning — 힌턴 · 벤지오 · 르쿤 '2024-09-25 #2026-08-27](https://notes.junghanacs.com/bib/20240925T134142) - [bib/ @이광근 #기계학습 #컴퓨터과학 #SICP #두괄식 #글쓰기 #전문용어 '2024-10-28 #2025-04-29](https://notes.junghanacs.com/bib/20241028T052956) - [bib/ @마이클닐슨 @MichaelNielsen 신경망 딥러닝 양자역학 리스프 학습이론 지식관리 '2024-11-15 #2025-02-19](https://notes.junghanacs.com/bib/20241115T222157) - [bib/ @할라넬슨 AI필수수학 통계 선형대수 미적분 @로널드크노이젤 딥러닝 신경망 역전파 경사하강법 '2025-03-28 #2025-03-28](https://notes.junghanacs.com/bib/20250328T014729) - [bib/ ©캐글(kaggle) ©허깅페이스(huggingface) 데이터과학 머신러닝 커뮤니티 플랫폼 '2025-05-09 #2025-05-09](https://notes.junghanacs.com/bib/20250509T135957) - [bib/ @다니엘시투나야케 @제니플런켓 엣지AI 임베디드 머신러닝 '2025-05-22 #2026-01-27](https://notes.junghanacs.com/bib/20250522T062013) - [bib/ @브라이언크리스천 컴퓨터과학 인지과학 - 알고리즘 인공지능 정렬문제 '2025-05-23 #2025-05-23](https://notes.junghanacs.com/bib/20250523T160908) - [bib/ @안드레이카파시 @AndrejKarpathy #바이브코딩 #인공지능 #딥러닝 #에듀테크 '2025-06-19 #2026-04-06](https://notes.junghanacs.com/bib/20250619T155352) - [notes/ @힣: 딥시크 MoE - 대화 분석과 최무영의 물리학 관점 '2025-04-09 #2026-09-09](https://notes.junghanacs.com/notes/20250409T142618) ## 로그 ### [|2025-05-27 Tue 06:52|](https://notes.junghanacs.com/journal/20250526T000000#h-2025-05-27) #### What is the difference between machine learning and deep learning? ##### 머신러닝(Machine Learning)과 딥러닝(Deep Learning)의 차이 **정의 및 관계** - 딥러닝은 머신러닝의 하위 개념입니다. 즉, 모든 딥러닝은 머신러닝이지만, 모든 머신러닝이 딥러닝은 아닙니다[1][4][7]. - 두 기술 모두 인공지능(Artificial Intelligence, AI) 분야에 속하며, 데이터를 기반으로 패턴을 학습하고 예측하는 알고리즘을 사용합니다[1][7][8]. **학습 방식의 차이** - 머신러닝은 주로 사람이 데이터의 주요 특징(Feature)을 직접 추출하거나 지정해주는 경우가 많습니다. 예를 들어, 동물 이미지를 분류할 때 '귀 모양', '수염 유무' 등 특정 특징을 사람이 미리 정의합니다[5][6][3]. - 딥러닝은 다층 인공 신경망(Deep Neural Network, DNN)을 사용하여, 데이터의 특징을 스스로 학습하고 추출합니다. 즉, 사람이 따로 특징을 지정하지 않아도 신경망이 자동으로 복잡한 패턴을 찾아냅니다[5][6][7]. **사람의 개입 정도** - 머신러닝은 데이터 전처리, 특징 추출 등에서 사람의 개입이 필요합니다. 예측이 부정확할 경우, 엔지니어가 직접 알고리즘을 조정해야 할 수도 있습니다[1][3][5]. - 딥러닝은 신경망이 스스로 학습하면서 사람의 개입이 최소화됩니다. 대량의 데이터와 연산 자원이 필요하지만, 복잡한 문제(예: 이미지 인식, 음성 인식 등)에서 뛰어난 성능을 보입니다[1][5][7][8]. **적용 분야 및 처리 능력** - 머신러닝은 비교적 단순한 문제(정형 데이터, 소규모 데이터)에 적합하며, 분류, 추천 시스템 등에 주로 사용됩니다[7][8]. - 딥러닝은 대규모 데이터와 복잡한 문제(비정형 데이터: 이미지, 음성, 자연어 등)에 강점을 가지며, 자율주행, 의료 영상 분석, 자연어 처리 등 다양한 분야에 활용됩니다[5][7][8]. **구조적 차이** - 머신러닝 모델은 선형회귀(Linear Regression), 결정트리(Decision Tree), 서포트 벡터 머신(SVM) 등 다양한 알고리즘을 사용합니다. - 딥러닝은 주로 다층 신경망(Convolutional Neural Network, CNN; Recurrent Neural Network, RNN 등)을 사용하며, 층이 깊을수록 더 복잡한 패턴을 학습할 수 있습니다[5][8]. ##### 요약표 | 구분 | 머신러닝 (Machine Learning) | 딥러닝 (Deep Learning) | |---------|-------------------------|-------------------------| | 관계 | AI의 하위 개념 | 머신러닝의 하위 개념 | | 특징 추출 | 사람이 직접 지정 | 신경망이 자동 추출 | | 구조 | 다양한 알고리즘(선형회귀, SVM 등) | 다층 인공 신경망(CNN, RNN 등) | | 데이터/자원 요구 | 상대적으로 적음 | 대규모 데이터와 높은 연산 자원 필요 | | 적용 분야 | 정형 데이터, 단순 분류/예측 | 이미지, 음성, 자연어 등 복잡한 비정형 데이터 | | 사람의 개입 | 많음 | 최소화 | --- ##### 참고 출처 - [1] Zendesk: 딥 러닝과 머신 러닝의 비교 - [3] CodeStates: 인공지능·머신러닝·딥러닝 차이점 - [4] Google Cloud: 딥 러닝, 머신러닝, 인공지능의 차이점 - [5] 이랜서: 딥러닝이란? 머신러닝과의 차이 - [6] SK하이NIX: 딥러닝의 이해 - [7] AWS: 딥 러닝과 기계 학습 비교 - [8] 네이버 블로그: 딥러닝 머신러닝 뜻 차이점 --- - 사용 모델: Perplexity AI (May 2025) - 날짜/시간: 2025-05-27, 06:49 KST - 토큰 수: 약 1,200 tokens Citations: [1] [2] [3] [4] [5] [6] [7] [8] [9] --- Answer from Perplexity: pplx.ai/share