یادگیری عمیق 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.

اگر می‌خواهید شروع کنید، می‌توانید از ویدیوی آموزشی یادگیری عمیق مقدماتی استفاده کنید.