갈수록 많은 조직이 딥 러닝에 주목하고 있습니다. 컴퓨터가 스스로 학습하고 최소한의 감독 하에 업무를 수행할 수 있어 과학과 산업 분야 모두에 탁월한 이점을 제공하기 때문입니다. 기존의 Machine Learning과 달리 딥 러닝은 데이터로부터 복잡한 개념과 관계를 추출할 수 있는 인공 "신경망"을 조직하여, 우리 두뇌가 정보를 학습하고 처리하는 방식을 시뮬레이션하려고 합니다. 그림, 텍스트, 사운드 및 기타 데이터의 복잡한 패턴 인식을 통해 딥 러닝 모델이 개선되면서 점점 더 예리한 통찰과 정확한 예측이 가능해지고 있습니다.
딥 러닝에 클라우드 컴퓨팅을 사용하면 알고리즘 학습을 위한 대용량 데이터 세트가 손쉽게 흡수되고 관리됩니다. 뿐만 아니라 사용자는 GPU 처리 능력을 활용해 경제적이고 효율적으로 딥 러닝 모델을 확장할 수 있습니다. 분산 네트워크를 활용하는 클라우드 기반의 딥 러닝을 통해 딥 러닝 애플리케이션을 보다 신속하게 설계, 개발 및 교육할 수 있습니다.
딥 러닝 알고리즘은 빠르게 학습할 수 있도록 설계됩니다. 컴퓨팅 집약적인 작업 시 GPU와 CPU 클러스터를 사용하여 복잡한 행렬 연산을 수행함으로써 사용자는 딥 러닝 모델의 학습 속도를 높일 수 있습니다. 그런 다음 이 모델을 배포하면 많은 양의 데이터를 처리하고, 갈수록 더 의미 있는 결과를 얻을 수 있습니다.
딥 러닝 신경망은 여러 프로세서를 동시에 활용하기에 이상적이며 다양한 프로세서 유형과 수량에 걸쳐 워크로드를 원활하고 효율적으로 분산시킵니다. 클라우드를 통해 제공되는 다양한 주문형 리소스를 통해 리소스를 거의 무제한 배포하여 모든 규모의 딥 러닝 모델을 처리할 수 있습니다.
Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit, Caffe, Caffe2, Theano, Torch 및 Keras 등의 딥 러닝 프레임워크를 클라우드에서 실행하면 웹, 모바일 또는 연결된 디바이스 등 각각의 사용 사례에 가장 적합한 딥 러닝 알고리즘의 라이브러리 패키지를 사용할 수 있습니다.
딥 러닝은 다음을 비롯한 다양한 인공 지능 사용 사례에 적합합니다.
레이블이 있는 수백만 개의 이미지로 알고리즘을 학습하는 딥 러닝 신경망은 피사체를 사람만큼 또는 사람보다 더 잘 식별할 수 있으며 빠른 얼굴 인식 등의 고급 기능도 구현할 수 있습니다.
사람의 음성 패턴과 억양은 다양하기 때문에 컴퓨터의 음성 인식은 쉽지 않습니다. 하지만 딥 러닝 알고리즘을 이용하면 어떤 말을 했는지 좀 더 쉽게 판단할 수 있습니다. 현재 Amazon Alexa를 비롯한 가상 비서가 이 기능을 사용합니다.
딥 러닝을 도입하면 어조와 맥락을 통해 무언의 의미를 전달하는 일상 대화를 컴퓨터에게 이해시키는 데 도움이 됩니다. 고객 서비스 봇처럼 감정을 감지할 수 있는 알고리즘을 도입한 자동 시스템은 사용자의 말을 의미 있게 해독하고 응답할 수 있습니다.
딥 러닝 기술은 등장과 동시에 사용자 활동을 추적해 맞춤형 권장 사항을 마련하는 시스템을 개발하는 데 성공했습니다. 딥 러닝 시스템은 수많은 사용자의 활동을 집계하고 비교함으로써 사용자의 흥미를 유발할 만한 완전히 새로운 항목을 구별해낼 수도 있습니다.
TuSimple이 어떻게 자율 주행 차량의 딥 인텔리전스를 구축하는지 알아보십시오. 더 보기 >
대규모로 Machine Learning 모델을 빠르고 쉽게 구축, 교육 및 배포할 수 있는 플랫폼인 Amazon SageMaker를 사용하면 AWS에서 완전관리형 MxNet 환경을 시작할 수 있습니다. 또한 AWS Deep Learning AMI를 사용하여 Machine Learning을 위한 사용자 지정 환경 및 워크플로를 구축할 수 있습니다.