Deep Learning
Decisões automatizadas a partir de aprendizado neural
O Deep Learning imita o funcionamento do cérebro humano no processamento de dados, no aprendizado e na criação de padrões para tomar decisões. Usa redes capazes de aprender sem supervisão, a partir de um grande volume de dados. É um subconjunto de Machine Learning, ambas disciplinas da Inteligência Artificial, também conhecido como aprendizagem neural profunda ou rede neural profunda.
O Deep Learning, ao contrário dos algoritmos tradicionais de Machine Learning (muitos dos quais têm uma capacidade finita de aprendizado), podem melhorar seu desempenho com o acesso a um maior número de dados. Após as máquinas ganharem bastante experiência e acuracidade, podem ser colocadas para trabalhar em tarefas como dirigir um carro, detectar doenças, inspecionar máquinas para identificar falhas e assim por diante.
A diferença entre Deep Learning e Machine Learning está principalmente na quantidade de dados envolvida, no poder computacional demandado, na flexibilidade escalar de aprendizado e na modelagem possível voltada à resolução de problemas.
Principais características
O Deep Learning imita o funcionamento do cérebro humano no processamento de dados para uso na detecção de objetos, reconhecimento da fala, tradução de linguagens e tomada de decisões.
É capaz de aprender sem supervisão humana, extraindo dados que são ao mesmo tempo desestruturados e não rotulados.
Muitos e diferentes usos
Diagnóstico médico por imagem.
Atendimento feito por assistentes virtuais.
Sistemas de CRM.
Modelagem de investimentos.
Detecção de fraudes.
Carros autômatos, que necessitam de visão computacional, incluindo reconhecimento de objetos e de cenários.
Sistemas de reconhecimento facial.
Demais usos de Machine Learning, porém em escala maior ou combinando uma série de capacidades cognitivas.