یادگیری عمیق (دیپ لرنینگ) چیست؟
یادگیری‌عمیق یا دیپ‌لرنینگ، زیر شاخه‌ای از یادگیری‌ماشین، به رایانه‌ها می‌آموزد تا آنچه را که به طور طبیعی برای انسان اتفاق می‌افتد انجام دهند: یادگیری با مثال!
معماری‌های یادگیری عمیق مانند شبکه‌های عصبی عمیق، شبکه‌های باور عمیق، یادگیری تقویتی عمیق، شبکه‌های RNN، شبکه‌های عصبی کانولوشنی و ترانسفورمرها در زمینه‌هایی از جمله بینایی کامپیوتر، تشخیص گفتار، پردازش زبان طبیعی، ترجمه ماشینی، بیوانفورماتیک، طراحی دارو به کار گرفته شده‌اند. تجزیه و تحلیل تصویر پزشکی، علم آب و هوا، بازرسی مواد و برنامه های بازی روی تخته، که در آن نتایجی قابل مقایسه با عملکرد متخصص انسان و در برخی موارد بهتر از آنها تولید کرده اند.
در مقایسه با یادگیری‌ماشین، الگوریتم‌های دیپ‌لرنینگ معمولا به داده‌های خیلی زیاد برای آموزش احتیاج داشته و در نتیجه زمان و محاسبات طولانی‌تری برای یادگیری می‌خواهند. در مقابل برای حل یک مساله‌ی با داده‌های غیرساختار یافته مانند تصویر یا ویدیو، متن و یا صوت معمولا نیازی به استخراج ویژگی نداریم و ویژگی‌های ارزشمند توسط خود شبکه‌های عمیق از مساله استخراج می‌شود. این کار نه تنها زحمت یک محقق برای یک مساله را کاهش می‌دهد بلکه دقت نهایی با این روش به طور چشم‌گیری افزایش می‌یابد.
در دهه‌ی گذشته، تحقیق و توسعه در حوزه هوش مصنوعی به‌ویژه پس از نتایج حیرت انگیز شبکه الکس نت در سال 2012 به عنوان اولین معماری موفق در حوزه دیپ لرنینگ در رقابت ImageNet به صورت فزاینده ای افزایش یافته است.
اگر می‌خواهید شروع کنید، می‌توانید از ویدیوی آموزشی یادگیری عمیق مقدماتی استفاده کنید.
مطالب زیر را حتما مطالعه کنید
تشخیص گفتار چیست؟ چه کاربردهایی دارد؟
هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی: تفاوت آنها در چیست؟
دیدگاهتان را بنویسید