Todos nós aprendemos constantemente, ninguém nasce sabendo de tudo, e tudo o que sabemos vem dos acontecimentos e oque nos é ensinado dia a dia. E isso vale para as máquinas também, elas aprendem constantemente, através de várias técnicas e uma dessas técnicas é chamada "Deep learning" ou "Aprendizado constante" e eu vou apresentar à vocês hoje.
Quando falamos em Inteligência Artificial logo vem na nossa cabeça super máquinas que podem destruir o mundo ou até máquinas que nem a Rosie, do desenho “Os Jetsons”.

Mas Inteligência artificial é bem mais complicada do que isso, ela é divida em vários ramos, como "visão computacional", "Processamento de linguagem natural", "aprendizado de máquina", "aprendizado constante", "robôs" e por aí vai. Em cada ramo existe sua complexidade e sua forma de processar.

Antes de falarmos sobre Deep learning, precisamos entender Machine learning ou Aprendizado de máquina.
Machine learning ou Aprendizado de máquina é um ramo da inteligência artificial que usa algoritmos para coletar dados, aprender com eles através de modelos e então fazer uma predição sobre algum problema, sem ser explicitamente programado.
Existem 3 tipos principais de aprendizado de máquina:
- Aprendizado supervisionado: os dados usados nesse aprendizado precisam ser rotulados, ou seja, teoricamente tem um professor que ensina para a sua máquina para qual classe pertence seu dado. Ele é aplicado em 2 problemas: Classificação e Regressão.
- Aprendizado não supervisionado: os dados usados nesse aprendizado não são rotulados, ou seja, a máquina precisa aprender por si só os padrões dos dados. Ele é aplicado
- Aprendizado por reforço: O algoritmo realiza um feedback sobre os resultados obtidos, atribuindo pontuações positivas à resultados considerados corretos e penalizando os incorretos, e com isso ele vai ajustando o comportamento para encontrar um melhor resultado.
Mas o que seria Deep learning?

Deep learning é um sub-campo dentro do machine learning que imita o funcionamento da rede neural biológica de nós seres humanos. Onde ela recebe uma entrada de dados, processa e realiza uma série de cálculos e em seguida devolve uma saída.
Machine learning X Deep learning
- Quantidade imensa de dados: algoritmos de deep learning conseguem processar quantidade de dados maiores que os algoritmos simples de machine learning, e seu desempenho com grande volume de dados é bem melhor.
- Poder computacional (GPU): O deep learning devido a capacidade de processar um grande volume de dados depende de um poder computacional maior que os de algorítmos de machine learning.
- Flexibilidade na estrutura das redes neurais: dependendo do problema que você precisa solucionar as redes neurais vão se adaptando
Arquitetura em camadas
Algoritmos de deep learning possuem arquitetura em camadas, ela pode variar conforme o problema que você precisa solucionar, mas basicamente existem 3 camadas principais no deep learning.
- Camada de entrada: é responsável pela entrada dos dados.
- Camada oculta: aceita informação(dado e peso), processa e retorna para outras camadas o resultado da função de ativação
- Camada de saída: soma a saída de todos os nós e retorna o resultado da classificação.
Como aplicar deep learning no meu projeto?
Estes são só alguns exemplos de bibliotecas e frameworks que podemos implementar o deep learning nas linguagens python e java.

Linguagem: Python
Linguagem: Java
Onde pode ser aplicada?
- Visão computacional
- Reconhecimento de fala
- Área da saúde
- Sistemas de recomendação
- Detecção de fraudes
- Assistentes virtuais
Quando usar Deep learning?
Deep learning depois de um tempo parece as mil maravilhas, mas nem sempre ele precisa ser aplicado nos projetos, portanto eu uso ele:
- Quando os dados forem muito grandes.
- Quando meus recursos são muito complexos e difíceis de serem entendíveis.
- Quando eu tiver uma infraestrutura boa.
- Quando tenho problemas complexos (classificação de imagens e reconhecimento de fala).
Desde criança acompanhamos os filmes e desenhos de ficção científica, e mal sabemos que grande parte deles são excelentes exemplos de aplicação de Deep learning.
Batmóvel:

O carro mais famoso dos quadrinhos é um ótimo exemplo de carros autônomos, que utiliza algoritmos de deep learning. Sabe quando o Batman está em perigo e aí surge o batmóvel do nada, sem ter ninguém dirigindo ele?
Baymax

O robozinho inflado mais amado de todos os tempos utiliza tecnologias de IA, além de visão computacional e reconhecimento de fala.
Por hoje é isso pessoal!! Tem mais informações na minha apresentação, espero que tenho ficado bem claro para vocês o que é deep learning, qual a diferença dele dos algoritmos simples de machine learning, onde aplicar e quando aplicar o deep learning.
Esse artigo foi bem mais introdutório para vocês conhecerem um pouco sobre deep learning, mas caso queiram eu posso fazer un artigo sobre os tipos de arquiteturas e como funciona o processamento de dados.
Qualquer dúvida me chamem nas redes sociais!
