deep learning

Définition : Deep Learning

Le Deep Learning est une technique d’apprentissage machine qui construit des réseaux neuronaux artificiels pour imiter la structure et le fonctionnement du cerveau humain. En pratique, le Deep Learning, également connu sous le nom d’apprentissage structuré profond ou d’apprentissage hiérarchique, utilise un grand nombre de couches cachées – généralement plus de 6 mais souvent beaucoup plus – de traitement non linéaire pour extraire des caractéristiques des données et transformer les données en différents niveaux d’abstraction (représentations).

À titre d’exemple, supposons que les données d’entrée soient une matrice de pixels. La première couche extrait généralement les pixels et reconnaît les bords des éléments de l’image. La couche suivante peut construire des éléments simples à partir des bords, comme les feuilles et les branches. La couche suivante pourrait alors reconnaître un arbre, etc. Les données passant d’une couche à l’autre sont considérées comme une transformation, transformant la sortie d’une couche en entrée pour la suivante. Chaque couche correspond à un niveau d’abstraction différent et la machine peut apprendre par elle-même quelles caractéristiques des données placer dans quelle couche/niveau. Le Deep Learning se différencie de l' »apprentissage superficiel » traditionnel parce qu’il apprend des niveaux d’abstraction et de représentation hiérarchique beaucoup plus profonds.

Pourquoi le Deep Learning est-il important ?

Cette technique d’apprentissage est un outil révolutionnaire pour le traitement de grandes quantités de données, puisque les performances de la machine s’améliorent à mesure qu’elle analyse davantage de données. Plus la quantité de données augmente, plus la machine devient capable de reconnaître des modèles, même cachés, parmi les données. Comme la machine apprend également à partir des données traitées, elle est capable d’effectuer une extraction et une abstraction de caractéristiques automatiquement à partir des données brutes avec peu ou pas d’intervention humaine.

Utilisations pratiques du Deep Learning

Reconnaissance automatique de la parole – Tous les principaux systèmes commerciaux de reconnaissance de la parole (pensez à votre assistant de téléphone intelligent) utilisent une technique de Deep Learning, les réseaux neuronaux récurrents étant actuellement les plus populaires.

Vision par ordinateur – Les images sont utilisées pour entraîner la machine à reconnaître des caractéristiques et maintenant les machines font preuve d’une précision « surhumaine » pour la reconnaissance d’images.

Traitement du langage naturel – Les techniques modernes d’apprentissage approfondi ont permis d’améliorer la traduction et la modélisation du langage. Google Translate utilise des techniques d’apprentissage approfondi pour traduire en se basant sur la sémantique d’une phrase entière au lieu de se contenter de mémoriser des traductions de phrase à phrase.