- Первоначально опубликовано 17 февраля 2017 г. на LinkedIn. Редактировать 3/20 Удален Контент, относящийся к LinkedIn. Редактировать изображения 2/19. Редактировать 2/18 Организация + раскрытие информации. Редактировать 2/17 Читаемость + Заголовки.
Что такое глубокое обучение?
Глубокое обучение — это вычислительная техника в компьютерных науках и инженерии, которая может помочь с актуальностью, точностьюи точностью. Например, поисковые подсказки Google, которые появляются при вводе первых нескольких букв поискового запроса, очень релевантны из-за использования глубокого обучения. Считыватель чеков в вашем банкомате очень точно понимает ваш почерк благодаря глубокому обучению. А синхронизация автоматически сгенерированных субтитров, которые появляются на видео YouTube, очень точны благодаря глубокому обучению (даже несмотря на то, что на самом деле субтитры на YouTube все еще несовершенны, Microsoft недавно достигла человеческое равенство при переводе разговоров с их компьютерной программой — это означает, что их программа допустила не больше ошибок, чем профессиональный расшифровщик — поэтому я ожидаю некоторых хороших изменений в субтитрах в ближайшем будущем на YouTube).
В каждом из этих трех случаев глубокая нейросеть обучалась на большом количестве данных (поиски, образцы почерка и речевые клипы соответственно), чтобы иметь возможность корректно прогнозировать, классифицировать и отображать новые данные.
Глубокое обучение похоже на машинное обучение?
Большинство людей, которые слышали о глубоком обучении, также слышали о машинном обучении, способности компьютеров учиться выполнять задачу без явного программирования для этого. Это точное определение, когда речь идет о нейронной сети (нейронные сети являются очень простым приближением к мозгу, где входной сигнал подается в узлы, как в «нейронах», выполняется ряд взвешенных вычислений, а выходной сигнал извлекается в момент времени). другой конец), относится и к глубокому обучению. Единственное отличие: глубокое обучение имеет больше слоев обучения (это более глубокая нейронная сеть, состоящая из нескольких нейронных сетей, расположенных поверх каждой из них). другое), поэтому он может иметь дело с более высокой степенью сложности; в основном, он может находить закономерности в закономерностях данных.
Глубокое обучение — это обучение и принятие решений на основе данных с использованием глубоких нейронных сетей. Чтобы помочь новым клиентам, которые рассматривают возможность глубокого машинного обучения, в следующем разделе я представил очень общие и хорошо известные варианты использования решений для глубокого обучения.
Кто использует глубокое обучение?
Если ваша организация представляет собой небольшой местный бизнес, весьма вероятно, что вам вообще никогда не понадобится консультация по глубокому обучению — в этом году или в следующие 30. Несколько компаний, таких как Google, Amazon, Apple и Facebook, имеют огромную могут извлечь выгоду из глубокого обучения и, в более общем смысле, машинного обучения, как и гораздо большее количество стартапов и исследователей, но есть много компаний, чьи проекты не относятся ни к одной из трех основных областей применения глубокого обучения: 1) речь, 2) зрение , и, в более общем смысле, 3) много данных. Глубокое обучение только недавно стало даже реальным и действительно интересным для четырех упомянутых выше крупных компаний (+IBM & Microsoft). Например, в статье Times за декабрь 2016 года под названием «Великое пробуждение ИИ» (фото в заголовке этой статьи) одно стремление к ИИ и глубокому обучению названо давно нереализуемой идеей:
Как решить, полезно ли глубокое обучение?
Существует множество ресурсов, которые могут сначала улучшить ваш проект классификации (или генерации) и помочь вам решить, полезно ли вам глубокое обучение. Например, вся область науки о данных существует, чтобы помочь людям понять свои данные и выполнить классификацию собранных данных и создание новых данных, большую часть времени в программах, которые могут работать в течение часа или меньше на ЦП ноутбука (ЦП вероятно, то, что вы используете большую часть времени на своем ноутбуке). Если вы уже прошли этот этап, то, возможно, попробуйте нейронную сеть на процессоре вашего ноутбука или, что еще лучше, на графическом процессоре вашего ноутбука (графический процессор включен в новые ноутбуки и иногда используется, когда люди играют или запускают компьютерное программное обеспечение с интенсивными вычислениями) или обучение глубокой нейронной сети на ноутбуке или облачном графическом процессоре (например, Amazon Web Services, стоимостью несколько долларов в час или меньше) действительно является правильным шагом.
Где найти эксперта по глубокому обучению?
Средний рабочий процесс проекта глубокого обучения обычно требует человека, имеющего математический опыт и опыт разработки программного обеспечения, а также немаловажные способности системного администрирования/разработки. Приступая к проекту глубокого обучения, важно выяснить, обладает ли этими навыками тот, кто на самом деле выполняет работу. Скорее всего, если они серьезно относятся к глубокому обучению, они разработали его как побочный эффект своего интереса. Например, как сказал несколько дней назад ведущий исследователь глубокого обучения Андрей Карпати:
Если вы хотите узнать больше о том, с чего начать глубокое обучение, или вам нужен кто-то, кто на самом деле внедрил бы систему глубокого обучения, вам может помочь консультант или подрядчик, обладающий опытом в области глубокого обучения. Поиск фрилансеров глубокого обучения на одном сайте под названием «Upwork» возвращает 6 страниц результатов и даже включает показатель успешности работы (фамилия пользователя опущена на изображении ниже).
Как я могу начать разговор с экспертом по глубокому обучению?
Обсуждение потребностей клиентов в глубоком обучении может быть трудным, но очень полезным. Как клиент, очень полезно, если вы можете естественным образом внести свой вклад в наш разговор, продвигая свое доменное приложение, а не (обязательно) требуемую технологию. Количество организаций, которые хотят использовать глубокое обучение, но не могут понять, какое вид решения им нужно, велико. Это интересно и относительно разумно, но именно поэтому консультирование может быть очень важным: помочь вам принять решение о том, что вам не нужно глубокое обучение так, как оно вам нужно.
Вывод
Глубокое обучение очень увлекательно, но, как правило, это не ответ для вашей организации, если у вас нет опыта работы с методами науки о данных в прошлом и вы ищете новый подход, который может помочь вам узнать, какие функции/входные данные важны для вашей модели. для обеспечения более высокой релевантности, точности или точности своих выходных данных. По сути, если вы не сталкивались с глубоким обучением до сегодняшнего дня, маловероятно, что это первый шаг к улучшению вашего проекта и еще более маловероятно, что это первый шаг к тому, чтобы сдвинуть его с мертвой точки. Однако для определенного языка, видения и проектов с большими данными глубокое обучение — правильный шаг.
Примечание автора
Если вам посчастливилось жить в районе Upper Valley VT/NH, я организовал встречу, которая открыта для всех (приглашаются добровольцы) и дает возможность успешно использовать глубокое обучение в своем бизнесе или продвинуться по карьерной лестнице. Если вы не живете в пределах досягаемости, вы можете подписаться на нас @deeplearninguv.
Вы можете прочитать несколько коротких, более технических статей, которые я написал за последние 6 месяцев:
Индексирование входных данных для сверточной нейронной сети в R
Прозрачное машинное обучение с классификатором дерева решений scikit-learn
Выбор функций и исследовательский анализ с помощью стека SciPy
Спасибо за чтение. Я бы посоветовал вам отправить короткое приветствие через мой личный сайт samputnam.com, даже если вы находитесь в совершенно другой области. Вы найдете примеры реализации DL и ML в Python и связанного с этим необходимого использования Bash и служб облачных вычислений.
Спасибо,
Сэм Патнэм, генеральный директор и основатель, консультант по глубокому обучению в enterprise-dl.com
