Глубокое обучение
Что такое «глубокое обучение»?
• Глубокое обучение (Deep Learning) – область машинного обучения (Machine
Learning), которая рассматривает методы решения задач искусственного
интеллекта (Artificial Intelligence) с использованием глубоких нейронных
сетей
История развития глубокого обучения
• 2012 — Нейронные сети побеждают в ImageNet Challenge. Данное
событие ознаменовало начало эры нейронных сетей и глубокого
обучения;
• 2014 — Группа исследователей под руководством Зеппа
Хохрейтера использовала глубокое обучение для определения
токсичного воздействия лекарств и бытовых средств на
окружающую среду. Данная работа была отмечена первым
местом на соревновании "Tox21 Data Challenge" .
История развития глубокого обучения
• 2016 — Программа для игры в го Google
AlphaGo выиграла со счётом 4:1 у Ли
Седоля, лучшего международного игрока
в эту игру. AlphaGo, разработанная
DeepMind, использует глубокое обучение
с помощью многоуровневых нейронных
сетей;
• 2018 — Глубокое обучение впервые
используется для планирования лучевой
терапии.
Сравнения глубинного обучения с обычным машинным обучением.
Все машинное обучение
Только глубокое обучение
Количество точек данных
Для создания прогнозов можно использовать
небольшие объемы данных.
Необходимо использовать большие объемы
обучающих данных для создания прогнозов.
Зависимость от оборудования
Может работать на маломощных компьютерах. Не
требуются крупные вычислительные
Зависит от высокопроизводительных компьютеров
При этом компьютер, по сути, выполняет большое
количество операций перемножения матрицы.
Графический процессор может эффективно
оптимизировать эти операции.
Процесс конструирования признаков
Требует точного определения признаков и их
создания пользователями
Распознает признаки высокого уровня на основе
данных и самостоятельно создает новые признаки.
Сравнение глубинного обучения с обычным машинным обучением.
Подход к обучению
Процесс обучения разбивается на мелкие
шаги. Затем результаты выполнения
каждого шага объединяются в единый блок
выходных данных.
Задача решается методом сквозного
анализа.
Время выполнения
Обучение занимает сравнительно мало
времени — от нескольких секунд до
нескольких часов.
Как правило, процесс обучения занимает
много времени, поскольку алгоритм
глубокого обучения включает много
уровней.
Выходные данные
Выходными данными обычно является
числовое значение, например оценка или
классификация.
Выходные данные могут иметь несколько
форматов, например текст, оценка или звук.
Примеры практических задач
Наиболее известный пример успешного практического применения глубокого
обучения:
Технологии автономных
автомобилей (Google, Tesla,
Uber)
Примеры практических задач
• Другие примеры практического применения глубокого обучения:
• Amazon
• Netflix
• Голосовой поиcк Google
• «Персональный помощник» Alexa от Amazon и Cortana от Microsoft.
• Технология распознавания лиц DeepFace социальной сети Facebook
Примеры практических задач
• Задачи из области распознавания естественного языка (онлайнпереводчики, генераторы текста)
• Задачи из области компьютерного зрения (классификация изображений,
детектирование объектов, семантическая сегментация)
Спасибо за внимание