Presná definícia
Čo znamená hlboké učenie?
Hlboké učenie je podmnožina strojového učenia, v ktorej viacvrstvové neurónové siete skladajú jednoduché transformácie do hierarchie reprezentácií. Namiesto ručného návrhu väčšiny príznakov sa parametre aj medzireprezentácie učia z dát optimalizáciou stratovej funkcie. „Hlboké“ označuje počet po sebe idúcich výpočtových vrstiev, nie automaticky vyššiu inteligenciu ani kvalitu.
Skúsenosť a kontext
Ako sa pojem používa v praxi
V praxi sa hodí tam, kde sú vstupy vysokorozmerné a vzory sa ťažko opisujú pravidlami: obraz, reč, text či senzorické časové rady. Tím najprv určí úlohu a metriku, pripraví reprezentatívne dáta a validačné rozdelenie, potom zvolí architektúru a sleduje generalizáciu, náklady i chybové skupiny. Pri malom tabuľkovom súbore môže byť stromový model presnejší a lacnejší; hlboká sieť nie je predvolená odpoveď na každý problém.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čím sa líši od strojového učenia?
Je jeho špecializovanou časťou založenou na učení viacvrstvových reprezentácií.
Koľko vrstiev musí mať?
Neexistuje univerzálna hranica; rozhoduje reťazec naučených transformácií.
Potrebuje vždy obrovský súbor?
Nie, no veľká kapacita zvyšuje riziko preučenia pri malom množstve dát.
Je GPU podmienkou?
Nie, ale pri veľkých maticových výpočtoch výrazne skracuje trénovanie.
Čo dokazovať pred nasadením?
Výkon na nevidených dátach, robustnosť, latenciu, náklady a chyby v dôležitých podskupinách.