Глубокое обучение — это подмножество машинного обучения и статистического моделирования, которое позволяет машинам изучать иерархии концепций, а также шаблоны и стратегии без явного программирования. Новые свойства, такие как способность обобщать отдельные обучающие примеры, более гибко интерпретировать изображения, видео или текст и обеспечивать контекстно-зависимую обратную связь при принятии решений, — это лишь некоторые из функций, которые обеспечивают современные алгоритмы глубокого обучения.
Фраза «глубокое обучение» впервые вошла в обиход в 2010 году, когда Эндрю Нг опубликовал свое видение: «Я думаю, мы увидим, как глубокое обучение будет распространяться во многих различных областях. Это будет одно из самых глубоких изменений в вычислительной технике за последние 20 лет».
Распространенное заблуждение состоит в том, что глубокое обучение предполагает обучение нейронных сетей экспериментам с миллионами изображений, но это не так. Столкнувшись с новыми данными, алгоритмы глубокого обучения пытаются учиться, используя только ту информацию, которая была явно предоставлена им специалистом по данным или исследователем — обычно это набор изображений или видеокадров. Вот почему это называется «обучение с учителем», потому что обучение с учителем требует от вас конкретных инструкций для вашей модели, прежде чем она действительно начнет работать.
Глубокое обучение стало гораздо более крупной экосистемой с гораздо большим количеством людей, разрабатывающих для нее идеи, библиотеки и инструменты с момента ее создания.
