A mélytanulás a gépi tanulás mesterséges neurális hálózatokon alapuló részkészlete. A működési elvéhez az emberi agyban levő neuronok adták az alapot. A bemenő paraméterek többrétegű, egymással összekötött csomópontokból, úgynevezett node-okból álló hálózaton futnak végig. Jellemzően mindegyik réteg egy jól meghatározható feladatért felelős. Minden egyes node végrehajt valamilyen műveletet a kapott adatokkal, és egy adott küszöbérték átlépése esetén továbbítja azokat a következő rétegnek, míg végül az algoritmus a hálózat végén kidobja az eredményt. A modell betanítása során a küszöbértékek és az egyes node-ok által végzett műveletek finomhangolása zajlik.

Egy másik meghatározás szerint minden gépi tanulási feladat, ami mély gépi tanulással megoldható, az megoldható „klasszikus” gépi tanulási módszerekkel is. A fordított irányra ez már nem igaz, ugyan a legtöbb gépi tanulási problémára adható mély tanulási megoldás, de nem mindegyikre.

Források:

Gépi tanulás a gyakorlatban. A Szegedi Tudományegyetem Informatikai karának kurzusa. Fejezet címe: Mély gépi tanulás (deep learning).

https://www.inf.u-szeged.hu/~rfarkas/ML20/deep_learning.html

2022. 10. 18.

Microsoft (2022): Mély tanulás és gépi tanulás az Azure Machine Learningben. Microsoft weboldal cikk.

https://docs.microsoft.com/hu-hu/azure/machine-learning/concept-deep-learning-vs-machine-learning

2022. 10. 21.

MNB (2020): Mesterséges intelligencia a pénzügyi szektorban. pp.1.

https://www.mnb.hu/letoltes/baksa-szikora-andrea-nagy-benjamin-ai-a-penzugyi-szektorban-final.pdf

2022. 10. 18.