في الجزء المتبقي من الفصل، ستتعرف على اثنتين من أكثر شبكات التعلم العميق شيوعًا، وهما الشبكات المتكررة والشبكات الالتفافية.
تحليل الصور الطبية يستخدم التعلم العميق للكشف التلقائي عن الخلايا السرطانية في التشخيص الطبي.
يشير التعلم العميق إلى نوع من تعلم الآلة يهدف إلى تعلم النماذج والمعرفة من البيانات المتاحة. يعتمد هذا النوع من التعلم على الذكاء الاصطناعي ويستخدم شبكات عصبونية متعددة الطبقات لمحاكاة عملية التعلم البشرية.
تعتبر تقنية التعلم العميق من أهم الابتكارات في مجال التعلم الآلي. إنها تهدف إلى بناء نماذج ذاتية التكيف والتحسين، وتستفيد من القدرات الهائلة للشبكات العصبونية المتعددة الطبقات.
وبفضل هذه التقنية، يمكن تحسين أداء الأنظمة الذكية المستندة إلى التعلم العميق، مما يعزز القدرات التحليلية والتنبؤية لهذه الأنظمة في مجالات مختلفة.
تسمى هذه العملية بالتعلم الخاضع للإشراف. في التعلم الخاضع للإشراف، لا تتحسن دقة النتائج إلا إذا كان لديك مجموعة بيانات واسعة ومتنوعة بما فيه الكفاية. على سبيل المثال، قد تحدد الخوارزمية القطط السوداء بدقة ولكنها قد تخفق في تحديد القطط البيضاء لأن مجموعة بيانات التدريب تحتوي على صور أكثر للقطط السوداء.
فهو يساعد على تحديد العيوب وتقليل وقت التوقُّف عن العمل وتحسين الكفاءة العامّة.
على سبيل المثال، شبكات التعلم العميق ذات الطبقات المخفيّة المُتعددة قادرة على تعلُّم الميزات والتمثيلات الهرميّة، مما يجعلها مناسبة تمامًا للمهام التي تتضمن أنماطًا مُعقّدة.
وبعد أن تكتسب الآلات ما يكفي من الخبرة من خلال التعلم العميق، يُمكن تشغيلها في مهام مُحدّدة مثل قيادة السيّارة، والكشف عن الأعشاب الضارّة في حقل المحاصيل، والكشف عن الأمراض، وفحص الآلات لتحديد الأعطال، وما إلى ذلك.
على سبيل المثال، إذا تم إعطاؤك صورة لحيوان غير معروف وكان عليك تصنيفه، فستقارن هذا الحيوان بالحيوانات التي تعرفها بالفعل.
يمكن للروبوتات المجهزة بالتعلم العميق تحسين أداءها واتخاذ قرارات مستنيرة بناءً على البيانات التي تجمعها والتجارب التي تقوم بها.
تحسين مجموعة البيانات عن طريق تسمية الصور الجديدة لتحسين دقة النتائج.
الذكاء الاصطناعي اكتشف عالم التعلم العميق وتطبيقاته العملية.
تستفيد الأنظمة التي تعتمد على التعلم العميق من القدرة على تحليل البيانات بشكل مفصل، وتعلم الأنماط وتطوير نماذج تعلم تعرّف على المزيد آلي دقيقة تتحسن بمرور الوقت.