딥러닝 모델 학습 시 사용되는 손실 함수(Loss Function)의 역할은 무엇이며, 회귀(Regression) 문제와 분류(Classification) 문제에서 주로 사용되는 손실 함수 각각의 예를 들어 설명해주세요.

손실 함수는 딥러닝 모델이 예측한 값과 실제 값 사이의 차이를 측정하는 역할을 합니다. 이 차이를 수치화해서 모델이 얼마나 잘 작동하는지 평가하고, 학습 과정에서 모델의 가중치를 업데이트하는 데 사용됩니다.

회귀 문제에서는 주로 MSE(Mean Squared Error)나 MAE(Mean Absolute Error)를 사용합니다. MSE는 예측값과 실제값 차이의 제곱 평균을 계산하며, MAE는 절대값의 평균을 계산합니다. 예를 들어, 집값 예측 모델에서는 MSE를 사용하여 예측 집값과 실제 집값의 차이를 줄이도록 학습합니다.

분류 문제에서는 주로 교차 엔트로피(Cross-Entropy) 손실 함수를 사용합니다. 교차 엔트로피는 모델이 예측한 확률 분포와 실제 레이블 분포 사이의 차이를 측정합니다. 예를 들어, 이미지 분류 모델에서는 교차 엔트로피를 사용하여 모델이 각 이미지에 대해 올바른 클래스를 예측하도록 학습합니다.