🧠 یادگیری عمیق (Deep Learning) چیست؟ یادگیری عمیق به عنوان یکی از زیرشاخه‌های حوزه یادگیری ماشین تلقی می‌شود. هدف یادگیری عمیق طراحی سیستم‌های کامپیوتری هوشمندی است که بتوانند مشابه انسان درباره موضوعی خاص، راه‌حل ارائه کنند و مفاهیم جدیدی را یاد بگیرند. مدل‌های یادگیری عمیق، با داشتن مقدار حجیمی از داده، مسائل مختلف را بر پایه آزمون و خطا یاد می‌گیرند. به بیان دقیق‌تر، این مدل‌ها با دریافت داده‌ها، به پیش‌بینی خروجی می‌پردازند و چنانچه خروجی، مطابق با خروجی مورد انتظار انسان نباشد، از خطای حاصل شده به منظور بهبود عملکرد خود استفاده می‌کنند. ❓تفاوت یادگیری ماشین و یادگیری عمیق چیست؟ یادگیری عمیق به عنوان زیرشاخه‌ای از یادگیری ماشین محسوب می‌شود. به عبارتی، مدل‌های این دو حوزه، با استفاده از اطلاعات آماری داده‌های ورودی خود به پیش‌بینی مقداری در خروجی می‌پردازند. با این حال، این دو حوزه از علوم کامپیوتر در روال یادگیری مسائل تفاوت مهمی دارند. 💡به عنوان مثال، اگر برنامه‌نویس بخواهد با استفاده از الگوریتم‌های یادگیری ماشین تصاویر مختلفی را دسته‌بندی کند، ابتدا باید ویژگی‌های مختلف تصاویر را استخراج کند. در مقابل، مدل‌های یادگیری عمیق نیازی به استخراج ویژگی ندارند و با داشتن ساختار لایه‌ای می‌توانند به طور خودکار، ویژگی‌های داده‌های ورودی خود را یاد بگیرند. ادامه دارد... #هوش_مصنوعی #یادگیری_عمیق #AI #Deep_Learning ▫️انجمن علمی علوم کامپیوتر دانشگاه قم Eitaa | Fatemeh