Học kĩ càng

Định nghĩa

Học sâu là một lĩnh vực của học máy, sử dụng mạng nơ-ron nhân tạo nhiều lớp để học các mẫu từ các tập dữ liệu lớn. Nó vượt trội trong các tác vụ như nhận dạng hình ảnh, giọng nói và xử lý ngôn ngữ tự nhiên.

Mục đích

Mục đích là tự động học các tính năng và biểu diễn từ dữ liệu thô mà không cần phải thiết kế tính năng thủ công phức tạp. Điều này cho phép đột phá về hiệu suất AI.

Tầm quan trọng

• Cung cấp công nghệ AI tiên tiến nhất về thị giác, giọng nói và NLP.
• Yêu cầu bộ dữ liệu lớn và tài nguyên tính toán.
• Ít có thể diễn giải hơn so với các phương pháp ML truyền thống.
• Thúc đẩy cả nghiên cứu học thuật và ứng dụng thương mại.

Quy trình triển khai

1. Xác định kiến ​​trúc mạng có nhiều lớp ẩn.
2. Đưa dữ liệu đầu vào và truyền tiếp qua mạng.
3. Tính toán sai số so với thực tế.
4. Truyền ngược lỗi để cập nhật trọng số.
5. Lặp lại quá trình đào tạo cho đến khi độ chính xác ổn định.

Ví dụ (Thực tế)

• Google Dịch: sử dụng mạng nơ-ron sâu để dịch máy.
• AlphaFold (DeepMind): dự đoán cấu trúc protein bằng học sâu.
• Tesla Autopilot: mạng nơ-ron sâu phục vụ thị giác trong xe tự lái.

Tài liệu tham khảo / Đọc thêm

• Học sâu — Goodfellow, Bengio & Courville (Nhà xuất bản MIT).
• “Phân loại ImageNet với CNN sâu” — Krizhevsky và cộng sự, NeurIPS 2012.
• Stanford CS231n: Mạng nơ-ron tích chập cho nhận dạng hình ảnh.