Deep Learning

ডিপ লার্নিং (ডিপ স্ট্রাকচার্ড লার্নিং নামেও পরিচিত) হল মেশিন লার্নিং পদ্ধতির একটি বৃহত্তর পরিবারের অংশ যা প্রতিনিধিত্বমূলক শিক্ষার সাথে কৃত্রিম নিউরাল নেটওয়ার্কের উপর ভিত্তি করে। শেখার তত্ত্বাবধান করা যেতে পারে, আধা-তত্ত্বাবধানে বা অ-তত্ত্বাবধানে।

ডিপ-লার্নিং আর্কিটেকচার যেমন ডিপ নিউরাল নেটওয়ার্ক, ডিপ বিলিফ নেটওয়ার্ক, ডিপ রিইনফোর্সমেন্ট লার্নিং, রিকারেন্ট নিউরাল নেটওয়ার্ক এবং কনভোল্যুশনাল নিউরাল নেটওয়ার্ক কম্পিউটার ভিশন, স্পিচ রিকগনিশন, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, মেশিন ট্রান্সলেশন, বায়োইনফরমেটিক্স, ড্রাগ ডিজাইন, চিকিৎসা সহ ক্ষেত্রগুলিতে প্রয়োগ করা হয়েছে। চিত্র বিশ্লেষণ, জলবায়ু বিজ্ঞান, উপাদান পরিদর্শন এবং বোর্ড গেম প্রোগ্রাম, যেখানে তারা তুলনীয় ফলাফল তৈরি করেছে এবং কিছু ক্ষেত্রে মানব বিশেষজ্ঞের পারফরম্যান্সকে ছাড়িয়ে গেছে।

কৃত্রিম নিউরাল নেটওয়ার্ক (ANNs) তথ্য প্রক্রিয়াকরণ দ্বারা অনুপ্রাণিত হয়েছিল এবং জৈবিক সিস্টেমে যোগাযোগ নোড বিতরণ করা হয়েছিল। জৈবিক মস্তিষ্ক থেকে ANN-এর বিভিন্ন পার্থক্য রয়েছে। বিশেষত, কৃত্রিম নিউরাল নেটওয়ার্কগুলি স্থির এবং প্রতীকী হতে থাকে, যখন বেশিরভাগ জীবন্ত প্রাণীর জৈবিক মস্তিষ্ক গতিশীল (প্লাস্টিক) এবং অ্যানালগ হয়।

গভীর শিক্ষায় "গভীর" বিশেষণটি নেটওয়ার্কে একাধিক স্তরের ব্যবহারকে বোঝায়। প্রারম্ভিক কাজ দেখায় যে একটি রৈখিক পারসেপ্ট্রন একটি সার্বজনীন শ্রেণীবিভাগকারী হতে পারে না, তবে একটি সীমাহীন প্রস্থের একটি লুকানো স্তর সহ একটি ননপলিনোমিয়াল অ্যাক্টিভেশন ফাংশন সহ একটি নেটওয়ার্ক হতে পারে। গভীর শিক্ষা হল একটি আধুনিক প্রকরণ যা আবদ্ধ আকারের সীমাহীন সংখ্যক স্তরের সাথে সম্পর্কিত, যা হালকা পরিস্থিতিতে তাত্ত্বিক সর্বজনীনতা বজায় রেখে ব্যবহারিক প্রয়োগ এবং অপ্টিমাইজ করা বাস্তবায়নের অনুমতি দেয়। গভীর শিক্ষার ক্ষেত্রে স্তরগুলিকে ভিন্নধর্মী হওয়ার এবং জৈবিকভাবে অবহিত সংযোগবাদী মডেলগুলি থেকে ব্যাপকভাবে বিচ্যুত হওয়ার অনুমতি দেওয়া হয়, দক্ষতা, প্রশিক্ষণযোগ্যতা এবং বোঝার সুবিধার জন্য, যেখান থেকে "গঠিত" অংশ।