یادگیری عمیق

یادگیری عمیق زیر مجموعه­ای از روش‌های یادگیری ماشین به شمار می‌رود؛ اما با سایر روش‌های یادگیری ماشین تفاوت‌هایی دارد و به همین دلیل یک دانش مجزا شناخته می‌شود. یادگیری ماشین به دانشی گفته می‌شود که کامپیوتر وظایف و کارهای مختلف را بدون نیاز به کمک انسان انجام می‌دهد؛ اما برای استخراج ویژگی باید از یک فرد متخصص استفاده شود. در صورتی که در یادگیری عمیق نیازی به مهندسی ویژگی نیست و با الگوریتم‌های موجود می‌تواند ویژگی‌های موردنظر را درک و شناسایی کند. همین موضوع باعث شده آموزش الگوریتم‌های عمیق نسبت به آموزش الگوریتم‌های یادگیری ماشین زمان بیشتری را به خود اختصاص دهد. میزان یادگیری کامپیوترها در دیپ لرنینگ از روش یادگیری ماشین عمیق‌تر است و مدلی شبیه به مغز انسان تولید می‌کند. یکی از مهمترین تفاوت‌های دیپ لرنینگ و یادگیری ماشین حجم داده‌ها است؛ در یادگیری ماشین با حجم محدودی از داده‌ها سر و کار داریم در صورتی که یادگیری عمیق به داده‌های بسیار وسیع و منابع فراوان برای تجزیه و تحلیل نیاز دارد. تحلیل تصاویر و ویدئوها توسط یادگیری ماشین دشوار است که این ویژگی یکی از مهمترین کاربردهای یادگیری عمیق به شمار می‌رود. داده‌های دریافت شده توسط یادگیری ماشین از نوع ساختار یافته و در یادگیری عمیق از نوع غیر ساختار یافته هستند.