डीप लर्निङ्

डिप लर्निङ् (Deep Learning - DL), मेसिन लर्निङमा, मुख्यतया बहु-स्तरिय (multilayered) न्युरल नेटवर्कहरूको प्रयोग गरी वर्गीकरण (classification), रिग्रेसन (regression) र रिप्रिजेन्टेशन लर्निङ (representation learning) जस्ता कार्यहरूमा केन्द्रित हुने विधिहरू हुन्। यो क्षेत्र जैविक स्नायु विज्ञान बाट प्रेरित छ र यसमा कृत्रिम न्युरोनहरूलाई विभिन्न तहहरूमा मिलाएर तथ्याङ्क (data) प्रशोधन गर्नको लागि "प्रशिक्षित" गर्ने काम गरिन्छ। यहाँ "डिप" (deep) शब्दले नेटवर्कमा प्रयोग गरिएका धेरै तहहरूलाई (तीन देखि सयौं वा हजारौंसम्म) बुझाउँछ। यसमा प्रयोग गरिने विधिहरू सुपरभाइज्ड (supervised), सेमि-सुपरभाइज्ड (semi-supervised) वा अन-सुपरभाइज्ड (unsupervised) हुन सक्छन्। हाल डीप लर्निङ्ले तस्विर, भिडियो, बोली र अडियो प्रशोधनमा क्रान्तिकारी परिवर्तन ल्याएका छन् भने, रिकरेन्ट नेटवर्कहरूले (recurrent nets) अक्षर र बोली जस्ता क्रमिक तथ्याङ्कहरू (sequential data) विश्लेषण गर्न महत्वपूर्ण भूमिका खेलेका छन्।