সংজ্ঞা
ডিপ লার্নিং হলো মেশিন লার্নিংয়ের একটি উপক্ষেত্র যা বৃহৎ ডেটাসেট থেকে প্যাটার্ন শেখার জন্য বহু-স্তরযুক্ত কৃত্রিম নিউরাল নেটওয়ার্ক ব্যবহার করে। এটি চিত্র স্বীকৃতি, বক্তৃতা এবং প্রাকৃতিক ভাষা প্রক্রিয়াকরণের মতো কাজে উৎকৃষ্ট।
উদ্দেশ্য
উদ্দেশ্য হল ভারী ম্যানুয়াল ফিচার ইঞ্জিনিয়ারিং ছাড়াই কাঁচা ডেটা থেকে স্বয়ংক্রিয়ভাবে বৈশিষ্ট্য এবং উপস্থাপনা শেখা। এটি AI কর্মক্ষমতায় অগ্রগতি সাধন করে।
গুরুত্ব
- দৃষ্টি, বক্তৃতা এবং এনএলপিতে অত্যাধুনিক এআইকে ক্ষমতা দেয়।
- বড় ডেটাসেট এবং কম্পিউটিং রিসোর্স প্রয়োজন।
- ঐতিহ্যবাহী ML পদ্ধতির তুলনায় কম ব্যাখ্যাযোগ্য।
- একাডেমিক গবেষণা এবং বাণিজ্যিক প্রয়োগ উভয়কেই চালিত করে।
কিভাবে এটা কাজ করে
- একাধিক লুকানো স্তর সহ নেটওয়ার্ক আর্কিটেকচার সংজ্ঞায়িত করুন।
- ইনপুট ডেটা ফিড করুন এবং নেটওয়ার্কের মাধ্যমে প্রচার করুন।
- স্থল সত্যের বিরুদ্ধে ত্রুটি গণনা করুন।
- ওজন আপডেট করার জন্য ব্যাকপ্রোপাগেট ত্রুটি।
- নির্ভুলতা স্থিতিশীল না হওয়া পর্যন্ত প্রশিক্ষণ পুনরাবৃত্তি করুন।
উদাহরণ (বাস্তব জগৎ)
- গুগল ট্রান্সলেট: মেশিন অনুবাদের জন্য গভীর নিউরাল নেটওয়ার্ক ব্যবহার করে।
- আলফাফোল্ড (ডিপমাইন্ড): গভীর শিক্ষার মাধ্যমে প্রোটিন গঠনের পূর্বাভাস।
- টেসলা অটোপাইলট: স্ব-ড্রাইভিংয়ে দৃষ্টিশক্তির জন্য গভীর নিউরাল নেটওয়ার্ক।
তথ্যসূত্র / আরও পড়া
- গভীর শিক্ষা — গুডফেলো, বেঙ্গিও এবং করভিল (এমআইটি প্রেস)।
- "গভীর সিএনএন সহ ইমেজনেট শ্রেণীবিভাগ" — ক্রিজেভস্কি এবং অন্যান্য, নিউরআইপিএস ২০১২।
- স্ট্যানফোর্ড CS231n: ভিজ্যুয়াল রিকগনিশনের জন্য কনভোলিউশনাল নিউরাল নেটওয়ার্ক।
