गहरी सीख

परिभाषा

डीप लर्निंग मशीन लर्निंग का एक उप-क्षेत्र है जो बड़े डेटासेट से पैटर्न सीखने के लिए बहु-स्तरीय कृत्रिम तंत्रिका नेटवर्क का उपयोग करता है। यह छवि पहचान, वाक् और प्राकृतिक भाषा प्रसंस्करण जैसे कार्यों में उत्कृष्ट है।

उद्देश्य

इसका उद्देश्य बिना किसी भारी मैन्युअल फ़ीचर इंजीनियरिंग के, कच्चे डेटा से फ़ीचर और निरूपण को स्वचालित रूप से सीखना है। यह एआई प्रदर्शन में अभूतपूर्व प्रगति को संभव बनाता है।

महत्व

• दृष्टि, भाषण और एनएलपी में अत्याधुनिक एआई को सशक्त बनाता है।
• बड़े डेटासेट और कंप्यूटिंग संसाधनों की आवश्यकता होती है।
• पारंपरिक एमएल विधियों की तुलना में कम व्याख्या योग्य।
• यह शैक्षणिक अनुसंधान और वाणिज्यिक अनुप्रयोगों दोनों को आगे बढ़ाता है।

यह कैसे काम करता है:

1. एकाधिक छिपी परतों के साथ नेटवर्क आर्किटेक्चर को परिभाषित करें।
2. इनपुट डेटा फीड करें और नेटवर्क के माध्यम से आगे प्रसारित करें।
3. जमीनी सच्चाई के विरुद्ध त्रुटियों की गणना करें।
4. भार को अद्यतन करने के लिए त्रुटियों को बैकप्रोपेगेट करें।
5. सटीकता स्थिर होने तक प्रशिक्षण दोहराते रहें।

उदाहरण (वास्तविक दुनिया)

• गूगल अनुवाद: मशीन अनुवाद के लिए गहरे तंत्रिका नेटवर्क का उपयोग करता है।
• अल्फाफोल्ड (डीपमाइंड): गहन शिक्षण के साथ प्रोटीन संरचना का पूर्वानुमान।
• टेस्ला ऑटोपायलट: स्व-ड्राइविंग में दृष्टि के लिए गहन तंत्रिका नेटवर्क।

संदर्भ / आगे पढ़ने के लिए

• डीप लर्निंग - गुडफेलो, बेंगियो और कौरविले (एमआईटी प्रेस)।
• “डीप सीएनएन के साथ इमेजनेट वर्गीकरण” — क्रिज़ेव्स्की एट अल., न्यूरआईपीएस 2012.
• स्टैनफोर्ड CS231n: दृश्य पहचान के लिए कन्वोल्यूशनल न्यूरल नेटवर्क।