Глубокое обучение · Deep Learning
Данные и MLЧастота употребления: высокая· Сложность: 4/5· Актуальность: 5/5· Тренд: растёт
Подход в машинном обучении на основе многослойных нейронных сетей, которые автоматически извлекают признаки из сырых данных.
Подробно
Глубокое обучение (deep learning) — направление машинного обучения, использующее нейронные сети с большим числом слоёв для автоматического построения признаков из данных. В репозитории streamlit/streamlit тег deep-learning указан среди ключевых тем наряду с machine-learning, data-science и data-visualization, что отражает его роль в аналитическом и data-стеке на Python. Метод применяется для распознавания изображений, обработки текста и речи, генеративных моделей и рекомендаций. Обучение глубоких моделей требует больших наборов данных и GPU, а результат обычно разворачивается как сервис инференса.
Примеры употребления
- Обучение свёрточной сети для классификации изображений на PyTorch
- Файнтюнинг трансформера для задачи классификации текста
- Демонстрация deep-learning модели в Streamlit-приложении: st.image(predicted_mask)
- Типичная фраза на работе: «для этой задачи без deep learning не обойтись — нужен GPU-кластер»