김인중 교수는 기계학습 알고리즘인 딥러닝(Deep Learning)을 소개하면서 기존의 신경망 네트워크보다 성능이 뛰어나다고 전함
딥러닝은 기존의 신경망 네트워크보다 레이어의 개수가 많으며, 따라서 네트워크가 표현할 수 있는 복잡도가 증가함
딥러닝의 성능이 우수한 이유는 탁월한 복잡계 네트워크 모델링, 네트워크의 크기를 키워 빅데이터 이용, 추상화 등이 가능하기 때문임
기존에도 네트워크의 레이어 개수가 많으면 학습의 성능이 좋아지는 것은 알고 있었으나 많은 컴퓨팅 성능이 필요하며 방대한 훈련 데이터 입수의 어려움 등 기술적으로는 구현에 한계에 있었음
하위 레이어에서 상위 레이어의 우선순위와 의미를 해석할 수 있도록 훈련하는 Pre-training 기법, 양방향 네트워크로 weight를 조정하는 RBM(Restrict boltzmann machine) 등이 있음
CNN(Convolutional Neural Network)은 각 노드들이 1차원이 아닌 2차원 평면으로 특징들을 추출하는 convolutional layer와 오류를 흡수하는 max pooling layer로 나뉨
CNN은 2차원 배열과 오류를 흡수하는 기능을 가져 현재 딥러닝 분야에서 가장 성능이 좋음
김인중 교수는 GPU를 이용하여 계산 속도를 개선할 수 있다고 제언하였으며, 학습 데이터에 의존성이 높아지는 over-fitting 문제는 drop-out, sparse coding, income weight normalize, regularization등으로 해결할 수 있다고 제언함