텍스트나 주가 데이터처럼 순서가 중요한 시퀀스 데이터를 다룰 때, 일반적인 인공신경망(DNN)으로는 한계를 느끼셨을 겁니다. 과거의 정보가 현재의 결과에 영향을 주는 데이터의 특성 때문인데요. 이를 해결하기 위해 등장한 혁신적인 구조가 바로 순환 신경망 계열의 모델들입니다.이번 포스팅에서는 딥러닝으로 시퀀스 및 시계열 데이터를 처리할 때 반드시 알아야 하는 핵심 모델인 RNN, LSTM, GRU의 개념과 구조, 그리고 차이점을 명확하게 정리해 보겠습니다. PyTorch로 모델을 구현하기 전, 이론적 토대를 탄탄하게 다지는 계기가 되길 바랍니다.📌 핵심 요약 3줄RNN은 이전 시점의 은닉 상태를 공유하여 시퀀스 데이터를 처리하지만, 데이터가 길어지면 앞쪽 정보를 잊어버리는 장기 의존성 문제가 있습니다.L..