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
![](https://scalait.com/arquivo/2021/02/icon-rpa7.png)
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.