Representation Learning

표현 학습은 머신 러닝에서 알고리즘이 원시 데이터에서 의미 있는 패턴을 추출하여 더 이해하기 쉽고 관리하기 쉬운 데이터 표현을 생성하는 과정입니다. 이러한 표현은 해석 가능하도록 설계되어 숨겨진 특성을 드러낼 수 있으며, 이미지 분류 및 검색과 같은 기본적인 작업에 큰 가치를 제공하는 전이 학습에 사용될 수도 있습니다. 딥 뉴럴 네트워크는 표현 학습의 모델로, 일반적으로 정보를 인코딩하고 이를 다른 부분 공간으로 투영한 후 선형 분류기에 전달하여 학습합니다. 표현 학습은 감독된 표현 학습과 비감독된 표현 학습으로 분류될 수 있습니다. 전자는 라벨이 붙은 데이터를 사용하여 다른 작업을 해결하는 데 도움이 되는 표현을 학습하며, 후자는 라벨이 없는 데이터를 통해 표현을 학습하여 새로운 작업을 수행할 때 라벨 데이터의 필요성을 줄입니다. 최근에는 자기 감독 학습이 비감독 표현 학습의 주요 동력이 되어 컴퓨터 비전과 자연어 처리 분야에서 광범위하게 적용되고 있습니다.