Deep Learning: що воно таке та кому підійде

Невеличкий сплеск цікавості до Deep Learning був у 2009 році та швидко стих. Наступний сплеск розпочався у 2012 році й цікавість зростала аж до 2017 році та зараз спостерігається стабільний інтерес до цього тренду.

Deep Learning - набір методів машинного навчання, в яких використовуються нейронні мережі з великою кількістю нейронів і шарів для вилучення ознак. У багатошаровій нейронної мережі крім вхідного (приймає дані) і вихідного (видає результат) шарів є один або кілька прихованих шарів обчислювальних нейронів для обробки даних. При цьому кожний наступний шар отримує на вході вихідні дані попереднього.

За допомогою глибокого навчання можна аналізувати великі масиви даних, прикладаючи менше людських зусиль для їх первинної обробки. Deep Learning дозволяє отримувати більш точні результати, ніж інші методи машинного навчання.

Принцип Deep Learning добре описаний в блозі Oracle на живому прикладі.

«Коли вам показують зображення коня, ви розумієте, що це кінь, навіть якщо ніколи раніше не бачили саме цю картинку. Не має значення, чи лежить кінь на дивані або він одягнений як бегемот. Ви впізнаєте його, тому що пам'ятаєте безліч характерних ознак: форму голови, кількість і розташування ніг та інше. Deep Learning теж вміє розпізнавати ці ознаки»

Це особливо важливо для таких технологій, як безпілотні автомобілі, яким необхідно «знати», що саме їх оточує - люди, машини, велосипеди, дорожні знаки, бордюри та інші елементи. Традиційні методи машинного навчання не можуть вирішити всі завдання, необхідні для реалізації цієї технології.

Глибоке навчання використовують для вирішення завдань, пов'язаних з розпізнаванням облич, мови, тексту, фото і відео. Кілька прикладів таких завдань:

• Діагностика захворювань за медичними скануваннями;
• Виявлення продуктів з дефектами на виробничій лінії;
• Генерація підписів до фотографій;
• Аналіз сприйняття логотипу та бренду компанії для підвищення ефективності маркетингу;
• Переклад з однієї мови на іншу.

Кому підійде Deep Learning

Deep Learning підійде для тих, хто вже розібрався із машинним навчанням і бажає поглибити свої знання та навички в цьому напрямку. Застосування додаткових методів дозволить оптимізувати процеси машинного навчання та зробити їх швидшими та ефективнішими. Тут звичайно знадобляться додаткові знання: володіти мовою Python на базовому рівні, пам'ятати основи математичного аналізу і теорії ймовірностей.

Хто отримає найбільше користі від Deep Learning

• Спеціалісти що практикують Data Scientist, щоб рухатися далі у вивченні прогресивних розділів комп'ютерного зору та обробки природної мови;
• Middle і Senior розробникам, які хочуть вивчити deep learning, щоб впроваджувати методи машинного навчання;
• Студентам ентузіастам технічних спеціальностей, які бажають оволодіти крутий професією;

• Усім, кому потрібна база для подальшого вивчення Deep Learning і Computer Vision.

Deep Learning - це суперсила. З його допомогою ви можете змусити комп'ютер бачити, створювати нові твори мистецтва, перекладати різними мовами, ставити діагноз або створювати механізми, які можуть керувати самі собою. Якщо не це суперсила, я навіть і не знаю - що це тоді.

Ендрю Iн, засновник Coursera, професор Стенфордського університету; колишній головний науковий співробітник Baidu і засновник Google Brain