definisi
Pembelajaran mendalam ialah subbidang pembelajaran mesin yang menggunakan rangkaian saraf tiruan berbilang lapisan untuk mempelajari corak daripada set data yang besar. Ia cemerlang dalam tugas seperti pengecaman imej, pertuturan dan pemprosesan bahasa semula jadi.
Tujuan
Tujuannya adalah untuk mempelajari ciri dan perwakilan secara automatik daripada data mentah tanpa kejuruteraan ciri manual yang berat. Ia membolehkan kejayaan dalam prestasi AI.
kepentingan
- Menguasai AI tercanggih dalam penglihatan, pertuturan dan NLP.
- Memerlukan set data yang besar dan sumber pengkomputeran.
- Kurang boleh ditafsir berbanding kaedah ML tradisional.
- Memacu kedua-dua penyelidikan akademik dan aplikasi komersial.
Langkah-langkah untuk Copytrade
- Tentukan seni bina rangkaian dengan berbilang lapisan tersembunyi.
- Suapan data input dan ke hadapan disebarkan melalui rangkaian.
- Kira kesilapan terhadap kebenaran asas.
- Ralat penyebaran belakang untuk mengemas kini pemberat.
- Ulangi latihan sehingga ketepatan menjadi stabil.
Contoh (Dunia Sebenar)
- Terjemahan Google: menggunakan rangkaian neural dalam untuk terjemahan mesin.
- AlphaFold (DeepMind): ramalan struktur protein dengan pembelajaran mendalam.
- Tesla Autopilot: rangkaian saraf dalam untuk penglihatan dalam pemanduan sendiri.
Rujukan / Bacaan Lanjut
- Pembelajaran Mendalam — Goodfellow, Bengio & Courville (MIT Press).
- “Klasifikasi ImageNet dengan Deep CNN” — Krizhevsky et al., NeurIPS 2012.
- Stanford CS231n: Rangkaian Neural Konvolusi untuk Pengecaman Visual.
