Spisu treści:

Czy głębokie uczenie się jest trudne?
Czy głębokie uczenie się jest trudne?

Wideo: Czy głębokie uczenie się jest trudne?

Wideo: Czy głębokie uczenie się jest trudne?
Wideo: Uczenie głębokie: odkrycia naukowe, nowe algorytmy i komputery kwantowe | PKwIT #49 [IT podcast] 2024, Może
Anonim

Głęboka nauka jest łatwe, jeśli chcesz mieć coś do pracy. Głęboka nauka jest bardzo trudny jeśli chcesz, żeby to działało dobrze. Oto kilka otwartych wyzwań w głęboka nauka.

Podobnie, czy głębokie uczenie się jest trudne?

Wybierz coś trudniejszego do uczyć się , nauka głębokich sieci neuronowych nie powinno być celem, ale efektem ubocznym. Głęboka nauka jest potężny właśnie dlatego, że sprawia twardy rzeczy proste. Głęboko sieci radzą sobie z naturalnymi sygnałami, z którymi wcześniej nie mieliśmy łatwych sposobów: obrazami, wideo, ludzkim językiem, mową, dźwiękiem.

Można też zapytać, czy ML jest trudne? Nie ma wątpliwości, że nauka o rozwijaniu algorytmów uczenia maszynowego poprzez badania jest trudny . Wymaga kreatywności, eksperymentowania i wytrwałości. Uczenie maszynowe pozostaje trudnym problemem przy wdrażaniu istniejących algorytmów i modeli, aby działały dobrze w nowej aplikacji.

Podobnie ludzie pytają, jak długo trwa nauka głębokiego uczenia się?

Każdy z kroków powinien zająć około 4- 6 tygodni ' czas. I w około 26 tygodni odkąd zacząłeś i jeśli postępowałeś zgodnie z wszystkimi powyższymi religijnie, będziesz miał solidne podstawy do głębokiego uczenia się.

Kiedy nie powinieneś korzystać z głębokiego uczenia?

Trzy powody, dla których NIE powinieneś korzystać z głębokiego uczenia

  1. (1) Nie działa tak dobrze z małymi danymi. Aby osiągnąć wysoką wydajność, głębokie sieci wymagają bardzo dużych zestawów danych.
  2. (2) Głębokie uczenie się w praktyce jest trudne i kosztowne. Głębokie uczenie jest wciąż bardzo nowatorską techniką.
  3. (3) Głębokie sieci nie są łatwe do interpretacji.

Zalecana: