Глубокое обучение (Deep learning) простыми словами

Глубокое обучение (Deep learning) — это ветвь развития машинного обучения, которая используется для работы с многослойными нейронными сетями. Это напоминает нейронные связи в мозге человека. Глубокое обучение позволяет обучить модель предсказывать результат по набору входных данных. При этом используется контролируемое или неконтролируемое обучение.

Подробнее о машинном обучении здесь: https://vk.com/wall-172352984_245
О работе нейронных сетей подробно рассказывали тут: https://vk.com/wall-172352984_457

Нейронные сети в глубоком обучении группируются в три типа слоев. Входной слой принимает данные и передает их в первый скрытый слой. Далее все скрытые слои нейросетей выполняют вычисления с данными, а выходной слой показывает итоговый результат.

Для обучения многослойных нейросетей нужен огромный набор качественных данных и большое количество вычислительной мощности. Deep learning может идентифицировать элементы в слоях нейронных сетей, если происходит взаимодействие более миллиона точек данных. От базовых алгоритмов машинного обучения также отличает то преимущество, что данные не обязательно должны быть структурированными.

На практике Deep learning используют, когда есть достаточное количество данных, и нужно решать сложные задачи. Оно особенно эффективно в цифровой обработке изображений и распознавании речи.

#deeplearning #глубокоеобучение #анализданных #машинноеобучение #нейросети #нейросеть #нейронныесети #данные