Deep learning
Un ramo del machine learning che usa reti neurali con molti livelli per apprendere le caratteristiche direttamente da segnali grezzi come immagini, audio o vibrazioni.
Foto: Igor Omilaev / Unsplash
Il deep learning usa reti neurali multilivello che apprendono da sole le proprie rappresentazioni delle feature invece di affidarsi a input progettati a mano. È per questo che domina la visione artificiale, il riconoscimento vocale e il lavoro su serie temporali complesse: con abbastanza dati etichettati, la rete scopre quali pattern contano. Nell’IoT alimenta l’ispezione tramite telecamere, il rilevamento dei guasti dal suono e il riconoscimento dei gesti.
Il prezzo è in calcolo e dati. Addestrare reti grandi richiede GPU e dataset ampi, e l’inferenza su un dispositivo edge spesso ha bisogno di un acceleratore più la compressione del modello. Per una semplice soglia o una relazione lineare tra sensori, la statistica classica è più economica e più facile da spiegare. La nostra guida all’edge AI discute quando un modello profondo si guadagna il suo posto su un dispositivo.
Parte del Glossario IoT. Hai trovato un errore o manca un termine? Scrivici.