Afinal, o que é Deep learning?

Laura Damaceno
Nov 5 · 5 min read

Esse post tem como base minha palestra na trilha de mulheres para o TDC de 2019, onde apresentei para as meninas o conceito de Deep learning e as áreas de aplicação.


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!

LinkedIn, Facebook.

Laura Damaceno

Written by

Lá e de volta outra vez, alguns contos de Laura Damaceno e suas aventuras no mundo de tecnologia.

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade