Глубокое обучение (Deep Learning)

Что это такое?

Глубокое обучение — это метод машинного обучения, при котором модель состоит из множества слоёв искусственных нейронов и сама находит в данных нужные признаки. Первые слои замечают простое: линии на изображении, отдельные звуки. Следующие собирают из них сложное: лицо, слово, смысл фразы. Слово «глубокое» относится к числу слоёв. В классическом машинном обучении признаки готовят вручную, здесь модель справляется сама, но ей нужно больше данных и вычислительных мощностей. Поэтому такие модели обучают на тысячах и миллионах примеров. На глубоком обучении построены распознавание речи, компьютерное зрение и большие языковые модели.

Зачем нужно?

Оно справляется с данными, в которых нет готовой таблицы: фотографиями, звуком, текстом.

  • работает с неструктурированными данными: изображениями, аудио, текстом;
  • находит признаки сам, без ручной подготовки аналитиками;
  • даёт высокую точность там, где обычные алгоритмы не справляются;
  • растёт в качестве вместе с объёмом данных;
  • лежит в основе современных голосовых и языковых систем.

Где применяется?

Компьютерное зрение, распознавание речи, машинный перевод, медицинская диагностика, генеративный ИИ.

Пример: производство использует глубокое обучение, чтобы находить на фотографиях деталей микротрещины, которые контролёр замечает не всегда.

Что важно знать?

Глубокому обучению нужно много размеченных данных и мощное оборудование. Решения модели сложнее объяснить: результат виден, а причина часто нет. Для небольших табличных задач, например прогноза оттока клиентов, классические методы нередко работают не хуже и обходятся дешевле.

Глубокое обучение входит в машинное обучение, но не равно ему.

НейросетьМашинное обучениеНейросетевая архитектураГрадиентный спуск