Evoluția masivă din lumea datelor (în special în ultimii 3-4 ani) a arătat cu adevărat în retrospectivă cât de puternice pot deveni mașinile în luarea deciziilor bazate complet pe fapte și cifre care au existat de secole – o ispravă deloc posibilă. cu orice efort uman. Această prelucrare și înțelegere a datelor pentru a înțelege ce anume încearcă să transmită au dus la o mulțime de domenii (studiu) care, fiecare, individual, fac descoperiri spectaculoase pentru a face lumea un loc mai bun. Un astfel de domeniu este cel care și-a cunoscut succesul sub numele de Deep Learning. Dar ce este mai exact? Ei bine, hai să încercăm să aflăm.
Învățarea profundă în sine este o parte mai mică a unui domeniu și mai mare de studiu și cercetare – învățarea automată sau ML pe scurt. Însuși coloana vertebrală a învățării profunde este utilizarea unor algoritmi extrem de sofisticați care funcționează pe un cadru a cărui structură și concept este în întregime derivat și sinonim cu creierul corpului uman. Ca atare, este mai mult decât înțeles că inima acestor cadre trebuie să fie asemănătoare neuronilor în multe feluri – exact în felul în care neuronii sunt inima întregului nostru sistem nervos. Acest cadru în întregime este ceea ce ne referim ca o rețea neuronală artificială (ANN).
Acestea sunt aceleași rețele neuronale care sunt responsabile pentru realizarea de progrese și descoperiri revoluționare în domeniul învățării artificiale și al învățării automate. Aceste rețele sunt încet încet la momentul înființării, la fel ca mintea unui copil nou-născut – complet lipsită și inconștientă de funcționarea lumii. Expunerea acestora la date din viața reală (fapte și cifre) este ceea ce le ajustează acuratețea pentru a îndeplini sarcinile extrem de sofisticate și avansate care le sunt cerute. Aceste rețele neuronale, la fel ca creierul uman, funcționează cel mai bine atunci când învață din experiențele în timp real și din viața reală. Odată ce rețeaua și modelul său asociat ating nivelurile dorite de precizie, este cu adevărat distractiv și intrigant să le vezi la lucru.
TERMINOLOGII DE DEEP LEARNING
Deep Learning 101 se referă la înțelegerea termenilor de bază asociați cu acesta (și semnificația lor, de asemenea). Unii dintre acești termeni includ:
-
Retea neurala
După cum sa discutat mai devreme, rețelele neuronale (artificiale) sunt coloana vertebrală a învățării profunde. În teorie, un ANN poate fi definit și vizualizat ca diverși neuroni interconectați (artificiali) care fac schimb de date între ei. Dacă semnificația și înțelegerea acestor date sunt mai mult decât experiența învățată a unui neuron, aceasta duce la actualizarea neuronului în ceea ce privește cunoștințele și experiența, iar dacă este invers, neuronul procesează foarte simplu datele conform experiența sa și dă un rezultat.
-
CNN (Rețea neuronală convoluțională)
Folosit exclusiv în DIP, un CNN implică utilizarea mai multor filtre independente (nimic decât matrici pătrate) peste o imagine cu mai multe canale pentru a extrage unele caracteristici contrastante și distincte dintr-o imagine.
-
RNN (rețea neuronală recurentă)
În termeni foarte simpli, un RNN este utilizat pentru procesarea informațiilor secvențiale în care seturile anterioare de ieșiri pot fi utilizate pentru a prezice următorul set de ieșiri pe baza unui set de date complet noi. Cel mai bun exemplu pentru a înțelege acest lucru ar fi recomandările automate pe care le primiți pe platforme precum Amazon, Netflix, Spotify etc.