Ho terminato il corso introduttivo “Deep Learning Onramp” tenuto sulla piattaforma Matlab Training.
Il corso fornisce le basi per affrontare il Deep Learning in Matlab. Vengono affrontati alcuni punti teorici come la struttura delle reti CNN (Convolutional Neural Network) e diversi argomenti pratici per l’implementazione.
Cos’è il Deep Learning ?
Il Deep Learning è una tecnica di Machine Learning che utilizza reti neurali profondi per fare predizioni sul contenuto di un’immagine. La rete calcola diverse features e le utilizza per la classificazione. Si inserisce nel campo di ricerca dell’apprendimento automatico e sfrutta la rappresentazione a diversi livelli, dove in ogni livelli si cercano gerarchie di caratteristiche, fattori o concetti.
Nasce negli anni 80 ma soltanto negli ultimi anni ha superato alcune barriere diventano largamente utilizzato, soprattutto grazie all’aumento della potenza di calcolo dei comuni computer e grazie all’utilizzo di sistemi di calcolo parallelo basati su GPU.
Struttura tipica di una rete convoluzionale - Wikimedia
Tra le diverse applicazioni è possibile:
- Riconoscimento automatico del discorso
- Riconoscimento di immagini
- Scoperta di farmaci e tossicologia
- Sistemi di raccomandazione
- Bioinformatica
- Guida autonoma
- Identificazione di frodi
- Diagnosi mediche
Algoritmi di apprendimento automatico
I diversi algoritmi sfruttano alcuni punti chiave. Utilizzano livelli non lineari in cascata che svolgono compiti di estrazione di indicatori e di trasformazione. L’uscita di ciascun livello verrà preso in ingresso dal livello successivo. Gli algoritmi possono essere sia di tipo supervisionato che non supervisionato. Inoltre, livelli multipli rappresentano multipli livelli di astrazione che formano una gerarchia di concetti. Dunque la macchina riesce autonomamente a classificare i dati e a dar loro una gerarchia, trovando spesso le migliori combinazioni per risolvere il problema.