Глубокое обучение (Deep Learning, DL) – раздел машинного обучения, основанный на искусственных нейронных сетях с большим числом слоёв. Сеть обучается на примерах и сама формирует признаки: от простых (границы на изображении, сочетания символов) до сложных (объекты, смысл текста). Прорыв глубокого обучения связывают с победой сети AlexNet в конкурсе ImageNet в 2012 году.
Основные архитектуры
- Свёрточные сети (CNN) – изображения и видео.
- Рекуррентные сети (RNN, LSTM) – последовательности.
- Трансформеры – тексты, речь, изображения; основа больших языковых моделей.
- Генеративные модели: GAN, диффузионные модели.
Где применяется
- Компьютерное зрение: распознавание, контроль качества, видеоаналитика.
- Обработка языка и речи: перевод, чат-боты, распознавание и синтез речи.
- Рекомендательные системы и поиск.
- Медицина, промышленность, финансы.
Что нужно
- Большие объёмы размеченных данных или предобученные модели.
- Вычислительные ресурсы: графические ускорители.
- ML-платформа для обучения, версионирования и вывода моделей в эксплуатацию.