데이터 표현 학습 개요: 전통적인 특성 학습에서 최근의 심층 학습까지

약 100년 전부터 데이터의 내재적 구조를 학습하기 위해 많은 표현 학습 접근법이 제안되었습니다. 이들은 선형적이거나 비선형적이며, 감독 학습 또는 비감독 학습, 또는 "얕은" 혹은 "깊은" 방식으로 분류될 수 있습니다. 특히, 최근 몇 년 동안 심층 아키텍처가 표현 학습에 널리 적용되고 있으며, 이미지 분류, 객체 탐지 및 음성 인식과 같은 많은 작업에서 최고의 결과를 보여주고 있습니다. 본 논문에서는 데이터 표현 학습 방법의 발전을 검토합니다. 구체적으로 우리는 전통적인 특성 학습 알고리즘과 최첨단 심층 학습 모델을 조사합니다. 데이터 표현 학습의 역사를 소개하며, 온라인에서 이용 가능한 리소스(예: 강의, 튜토리얼 및 책) 및 도구 상자를 제공합니다. 마지막으로, 데이터 표현 학습의 발전에 대한 몇 가지 발언을 하고 이 분야의 흥미로운 연구 방향을 제안합니다.