(1/N)
В настоящее время ИИ развивается большими темпами, и глубокое обучение является одним из факторов, влияющих на это. Хорошо понимать основы глубокого обучения, поскольку они меняют мир, в котором мы живем. Это первая статья в серии глубокого обучения, и в следующих статьях этой серии будут объясняться различные модели глубокого обучения. Содержание вдохновлено курсом глубокого обучения Udemy, а некоторые изображения взяты из курса. Если вы хотите изучить глубокое обучение в деталях, я рекомендую вам записаться на курс Udemy.
Глубокое обучение
Тип машинного обучения, основанный на искусственных нейронных сетях, в котором используется несколько уровней обработки для постепенного извлечения признаков более высокого уровня из данных.
Традиционное программирование против ML/DL
Таким образом, при традиционном программировании вы можете начать с некоторых входных данных. Вы можете закодировать кучу правил.
В нашем случае у нас здесь есть блюдо из курицы нашей любимой сицилийской бабушки, и у нее есть этот рецепт, и она знает его наизусть. И она передала это вам, потому что вы хотите устроить званый обед у себя дома и пригласить всех.
Итак, вы можете начать с входных данных, которые являются ингредиентами. Мы получаем некоторые овощи здесь. Мы получили курицу, конечно, и мы получили правила, вот что мы должны сделать. Нарежьте овощи, приправьте курицу, разогрейте духовку, готовьте курицу 30 минут, добавьте овощи. И затем, если вы сделали все это правильно, вы получите этот прекрасный результат.
Но алгоритмы машинного обучения обычно отличаются.
Вы начнете с входов и идеального выхода? Так что это основная разница здесь. Мы будем хорошо знакомы с этой концепцией входов и выходов. Итак, что происходит с алгоритмом машинного обучения, когда вы его показываете, примеры того, как выглядят входные данные и как выглядят идеальные выходные данные. Итак, это прекрасно приготовленная курица с этого входа. Итак, вы начнете с этого, а затем алгоритм выяснит, надеюсь, выяснит идеальные правила для перехода от этого входа к этому выходу.
Почему глубокое обучение
я. Проблемы с длинным списком правил
II. Постоянно меняющаяся среда
III. Обнаружение идей в больших коллекциях данных
Когда не следует использовать ДЛ
я. Когда вам нужна объяснимость
II. Когда традиционный подход лучше
III. Когда ошибки недопустимы
IV. Когда у нас мало данных
Нейронная сеть
Нейронная сеть — это метод искусственного интеллекта, который учит компьютеры обрабатывать данные так, как это делает человеческий мозг. Это тип процесса машинного обучения, называемый глубоким обучением, в котором используются взаимосвязанные узлы или нейроны в многоуровневой структуре, напоминающей человеческий мозг.
Заключительные примечания
Это моя первая статья о глубоком обучении, и я надеюсь, что вы чему-то научились! Если есть что-то, что вы, ребята, хотели бы добавить к этой статье, не стесняйтесь оставлять сообщение и не стесняйтесь!
Мы искренне ценим любые отзывы. Не бойтесь поделиться этим! Спасибо!
Дайте мне знать, что вы думаете об этом. Если у вас есть предложения по теме, которую вы хотели бы видеть здесь, свяжитесь с нами.
Последнее
Если вам понравились статьи, ставьте лайки 👏, чтобы порекомендовать эту статью другим.
