Il Deep Learning è una branca del Machine Learning che usa diversi strati di neuroni artificiali, al fine di risolvere problemi della vita reale.
Più dettagliatamente, con l’utilizzo di tale tecnica si eseguono task di machine learning (supervisionato e non supervisionato) e che sono relativi alle seguenti aree:
- Computer Vision
- Video Analysis
- Sentiment Analysis
- Pattern Recognition
Inoltre, è molto diffuso l’utilizzo del Deep Learning in Robotica, Sistemi di guida autonoma, e Sistemi di intelligenza artificiale.
Ma in cosa consiste il cuore del Deep Learning?
Come per ogni algoritmo di Machine Learning, il cuore degli algoritmi di Deep Learning è la matematica.
La conoscenza dei concetti fondamentali di matematica consente non solo di selezionare l’algoritmo giusto per uno specifico problema di apprendimento automatico (efficacia) ma di valutarne anche le performances (efficienza).
La matematica come materia è molto vasta, ma ci sono alcuni argomenti specifici che vengono utilizzati maggiormente sia nel Machine Learning che nel Deep Learning al fine di massimizzare i risultati da questi meravigliosi domini dell’Intelligenza Artificiale. Tali argomenti riguardano:
- Algebra Lineare
- Probabilità e Statistica
- Calcolo
- Ottimizzazione e formulazione di algoritmi di machine Learning
Segue una figura che mostra in che percentuale è partizionata l’importanza di tali argomenti:
