Aprendizado Profundo (Deep Learning)

Deep learning, ou aprendizado profundo, é um tipo de machine learning que usa redes neurais com muitas camadas para aprender padrões complexos diretamente de dados brutos, como imagens, áudio e texto. O “profundo” vem da quantidade de camadas.

Como funciona

Cada camada da rede neural transforma a informação e passa o resultado à próxima. As primeiras camadas captam coisas simples, como bordas em uma imagem, e as últimas combinam essas partes em conceitos, como um rosto. Durante o treino, o algoritmo de backpropagation ajusta os pesos da rede para reduzir o erro.

Diferença para machine learning clássico

  • Características: no machine learning clássico, uma pessoa costuma escolher quais características dos dados importam. No deep learning, a rede aprende isso sozinha.
  • Dados: deep learning costuma exigir muito mais dados.
  • Hardware: normalmente precisa de GPUs ou chips especializados.
  • Transparência: é mais difícil explicar por que a rede errou.

Onde é usado

Limites

Treinar modelos grandes é caro e consome muita energia, e eles podem herdar vieses dos dados. Para problemas simples com poucos dados, métodos clássicos costumam ser mais baratos e suficientes.

Perguntas frequentes

Deep learning é o mesmo que inteligência artificial? Não. É uma técnica dentro do machine learning, que por sua vez está dentro da IA.

Por que o deep learning ficou popular? Pela combinação de mais dados, GPUs mais potentes e melhores arquiteturas de rede.

Preciso de deep learning para meu projeto? Só se o problema envolver dados complexos, como imagem, áudio ou texto livre, e você tiver dados e recursos para isso.

Termos relacionados

Rede neural, Transfer learning, GAN, Overfitting.

« Voltar Para Glossário