Derin öğrenme, makine öğreniminin bir alt kümesi olarak düşünülebilir. Bilgisayar algoritmalarını inceleyerek kendi kendine öğrenmeyi ve geliştirmeyi esas alan bir alandır. Yapay sinir ağlarına dayanan, “özellik hiyerarşilerini öğrenmek” için istatistiksel makine öğrenimi tekniklerinin bir koleksiyonudur. Temel olarak, derin öğrenme, birden fazla gizli katmana sahip sinir ağlarından başka bir şey olmayan derin ağların yardımıyla uygulanır.
Kullanım durumları :
- Resim tanıma ve tahmin
- Metin sınıflandırma
- Otomotiv ve kendi kendine sürüş (otonom araçlar)
- Gerçek zamanlı sesli tercüme
- Öneri/tavsiye sistemleri,
Sinir ağları nedir ?
Bir sinir ağı, insan beyninin çalışma şeklini taklit eden bir süreç aracılığıyla bir dizi verideki temel ilişkileri tanımaya çalışan bir dizi algoritmadır.
Derin Öğrenmede sinir ağları :
Artificial Neural Network (ANN),
Convolutional Neural Networks (CNN)
CNN’in birçok tipi vardır.
VGG,
ResNet,
AlexNet,
Inception v2,
Recurrent Neural Network (RNN)
One to one
One to many
Many to one
Many to many
Derin öğrenmede kullanılan algoritmalar :
CNN, RNN, LSTM, GANs,SOM,RBM,DBN,MLP, AutoEncoder’lar
Derin öğrenme Framework’leri :
- TensorFlow
- Keras
- PyTorch
- Theano
- Caffe
- MXNet
- Deeplearning4j
- Chainer
