Les entreprises se tournent de plus en plus vers l'apprentissage profond, qui permet aux ordinateurs d'apprendre de manière indépendante et d'exécuter des tâches avec un minimum de supervision, et qui laisse entrevoir des avantages exceptionnels pour le secteur scientifique et le secteur industriel. Contrairement au Machine Learning traditionnel, le Deep Learning tente d'imiter la manière dont notre cerveau acquiert et traite des informations, en créant des « réseaux de neurones » artificiels capables d'extraire des concepts et des relations complexes d'un ensemble de données. Les modèles d'apprentissage profond s'améliorent grâce à la reconnaissance de schémas complexes à partir d'images, de texte, de sons et d'autres données, afin d'offrir des perspectives et des prévisions avec davantage de précision.
L'utilisation du cloud computing pour l'apprentissage profond permet d'intégrer et de gérer facilement d'importants ensembles de données destinés à entraîner les algorithmes. Les modèles d'apprentissage profond peuvent alors effectuer des mises à l'échelle efficaces et à moindre coût en utilisant la puissance de traitement des GPU. L'apprentissage profond sur le cloud optimise la distribution des réseaux pour vous permettre de concevoir, de développer et d'entraîner plus rapidement des applications d'apprentissage profond.
Les algorithmes d'apprentissage profond sont conçus à des fins d'apprentissage rapide. En utilisant des clusters de GPU et de CPU pour effectuer des opérations matricielles complexes pour des tâches de calcul intensif, les utilisateurs peuvent accélérer l'entraînement des modèles d'apprentissage profond. Ces modèles peuvent être déployés afin de traiter d'importants volumes de données et d'obtenir des résultats de plus en plus pertinents.
Les réseaux de neurones de l'apprentissage profond s'adaptent parfaitement à l'exploitation de plusieurs processeurs et à la distribution harmonieuse et efficace des charges de travail entre les différents types et quantités de processeurs. Grâce au large éventail de ressources à la demande disponible sur le cloud, vous pouvez déployer des ressources pratiquement illimitées afin d'amorcer des modèles d'apprentissage profond de toutes tailles.
Les frameworks d'apprentissage profond tels que Apache MXNet, TensorFlow, le Cognitive Toolkit de Microsoft, Caffe, Caffe2, Theano, Torch et Keras peuvent être exécutés sur le cloud, ce qui vous permet d'utiliser l'ensemble de bibliothèques d'algorithmes d'apprentissage profond qui correspond le plus à votre cas d'utilisation, qu'il concerne des appareils Web, mobiles ou connectés.
L'apprentissage profond se prête tout particulièrement à une large gamme de cas d'utilisation de l'intelligence artificielle, par exemple :
En entraînant des algorithmes grâce à l'identification de millions d'images, les réseaux de neurones de l'apprentissage profond parviennent à identifier des sujets aussi bien, voire mieux, que des humains, ce qui conduit au développement de capacités avancées telles que la reconnaissance faciale rapide.
Les formes de parole et les accents, qui diffèrent en fonction des individus, rendent la reconnaissance vocale difficile pour les ordinateurs. Les algorithmes d'apprentissage profond ont davantage de facilités à déterminer ce qui est dit. Ce potentiel est actuellement exploité par Amazon Alexa et par d'autres assistants virtuels.
L'apprentissage profond permet aux ordinateurs de comprendre des conversations ordinaires, dans lesquelles le ton et le contexte sont essentiels à la communication d'une intention tacite. Grâce à des algorithmes capables de détecter les émotions, les systèmes automatisés, tels que les robots du service client, peuvent comprendre les utilisateurs et leur répondre de manière constructive.
Le développement de systèmes qui suivent l'activité des utilisateurs afin de formuler des recommandations personnalisées constitue l'un des succès précoces remportés par l'apprentissage profond. En comparant l'ensemble de l'activité de nombre d'utilisateurs, les systèmes d'apprentissage profond peuvent même identifier des éléments tout à fait nouveaux susceptibles d'intéresser un utilisateur.
Découvrez comment TuSimple développe une intelligence profonde pour les véhicules autonomes. Plus >
Vous pouvez commencer avec une expérience entièrement gérée avec Amazon SageMaker, la plateforme AWS permettant de créer, de former et de déployer rapidement et facilement des modèles de Machine Learning à grande échelle. Vous pouvez également utiliser les AMI Deep Learning AWS pour créer des flux de travail et des environnements personnalisés pour le Machine Learning.