Процесс обучения в системах глубокого обучения (deep learning) работает следующим образом: 4

1. Входной слой получает набор данных. 4 В простейшем случае каждый нейрон отвечает за один параметр. 4 Например, в нейросетях для прогнозирования цен номеров в отеле это будут название отеля, категория номера и дата заезда. 4 Информацию по этим параметрам входной слой отдаёт на скрытые слои. 4
2. Скрытые слои производят вычисления на основе входящих параметров. 4 В глубоком обучении у нейронных сетей несколько скрытых слоёв, что позволяет нейросети находить больше взаимосвязей во входных данных. 4 Связи между нейронами имеют свой вес — долю значимости параметра среди всех данных. 4
3. Выходной слой выводит результат вычислений. 4

Есть два основных способа тренировки нейросети: 4

1. С учителем. 4 В этом случае нейросети задают эталонный результат вычислений. 4 При ответах с ошибкой она перенастраивает свои параметры и проводит вычисления снова, пока ответ не приблизится к эталону. 4 Пример — определение стоимости дома. 4
2. Без учителя. 4 В этом случае глубокая нейросеть сама классифицирует входящие данные и вычисляет эталонный результат. 4 Пример — кластеризация пользователей сайта по разным группам. 4

Для эффективного обучения требуются большие объёмы данных, при этом данные должны соответствовать этическим нормам и быть качественными. 1