Dyp læring

Dyp Læring (eng. ‘Deep Learning’) er en fellesbetegnelse på nyere metoder innen Maskinlæring der man tar i bruk nevrale nettverk på nye måter og i flere nivåer enn tidligere. De siste årene har Dyp Læring oppnådd oppsiktsvekkende resultater innen bl.a. bildegjenkjenning, talegjenkjenning, mm., samt mer generellt på kategorisering av umerkede (unlabelled) data.

Dette har potensiale i seg til å endre mange fagområder i vesentlig grad. Mange ser nok for seg at veien mot dypere kunstig intelligens går gjennom Dyp Læring. Alle de store firmaene - Google, Facebook, Microsoft mmm. - støvsuger markedet for ‘dyp’ kunnskap om emnet. Hva med å google de siste nyhetene? Det har sikkert skjedd mye fantastisk på området bare i dag!

Området er stort, og det finnes mange måter man kan tilegne seg mer kunnskap om emnet. Selve teoriene bak er relativt tungt tilgjengelig, men en fin ressurs for de som vil ha en praktisk tilnærming på jvm er deeplearning4j.org. Her er det mange konkrete eksempler på bruk av Dyp Læring.

Til tross for Dyp Læring’s oppsiktsvekkende resultater - man bør ikke glemme at veldig mange problemer kan løses mye enklere med tradisjonell maskinlæring.

Våre anbefalinger

Apache spark

Et flott verktøy for analyse av og læring gjennom store distribuerte datamengder. Oppleves best gjennom Scala som Spark er skrevet i, men har apier til Java, Python og R.

Gjennom Spark REPL er det en fryd å ekseperimentere med og finne mønster i store mengder distribuerte data. Sjekk ut siten her