بررسی معماری یادگیری عمیق و کاربردها

سال هاست که انسانها تلاش کرده اند تا رایانه ها را به گونه ای برنامه ریزی کنند که چیزی شبیه تفکر بشر را تقلید کند. تا مرزهای محدودی، این امر با بهره برداری از یادگیری عمیق محقق گشته است. این مقاله تحلیل هایی را درباره یادگیری ماشین (یادگیری عمیق) ارایه می دهد. گروهی از افرادی که در یادگیری ماشینی و شبکه عصبی مصنوعی فعالیت داشتند نخستین تصوری که از شاخه یادگیری عمیق بیان کردند این بود که چیزی جز شبکه عصبی مصنوعی با چندین لایه نیست و دردسترس قرار گرفتن داده های بیشتر و وجود موتورهای محاسباتی قوی مانند واحد پردازش گرافیکی باعث موفقیت چشمگیر آن شده است. همان طور که مارک اندرسون می گوید: نرم افزار دنیا را می بلعد یادگیری عمیق نیز یادگیری ماشینی را خواهد بلعید. در عصر داده های بزرگ، یک کار خسته کننده و وقت گیر برای ارزیابی ویژگی های زیادی از اطلاعات ارایه شده برای انتخاب است. یک راه حل برای کاهش این معضل ،ایجاد یک سیستم پیشنهاد دهنده است که می تواند مقدار زیادی از داده ها را پردازش کند و از توانایی تصمیم گیری کاربران پشتیبانی کند. . با استفاده از یادگیری عمیق در مدل سازی انواع مختلف داده ها، سیستم های پیشنهاد دهنده عمیق می توانند تقاضای کاربران را به درک بهتر کیفیت توصیه های یشترکمک کنند.