[Week 2] 4. End-to-end Deep Learning

1. What is end-to-end deep learning?

 

 전통적으로는 위쪽과 같이 여러 단계를 거치면서 최종 결과물을 산출하나, end-to-end 방식은 audio에서 바로 transcript를 산출한다. 이게 가능해지는 이유는 더 많은 데이터가 학습되었기 때문. 

 

 정말 많은 데이터가 있다면 image에서 바로 identity를 찾을 수 있지만, 그렇지 않다면 먼저 얼굴을 찾고 그 얼굴을 통해 identity를 찾는 것이 효율적이다. 

 다른 예로는 번역, 뼈로 나이 유추하기 등이 있다. 

 

---

2. Whether to use and-to-end deep learning

 

 다 당연한 얘기인데, 단점 중에 hand-design을 배제하는 점도 있다. 즉, input하자마자 output이 튀어나오니 중간에 수동으로 모델을 조정할만한 것들이 배제된다. 

 역시 제일 중요한건 데이터의 양이다. 분석하고자하는 task가 복잡할 수록 더 많은 데이터가 필요할 것.