O aprendizado profundo é supervisionado, sem supervisão ou algo mais?

Aprendizagem Profunda refere-se a uma série de Aprendizagem Profunda que funciona no princípio da retropropagação (para ser simplista) para encontrar o gradiente da Perda através de camadas de neurónios.

Referir a este vídeo para uma compreensão da Aprendizagem Profunda.

Ondeas Supervisionado e Sem Supervisão são tipos de problemas na Aprendizagem Profunda. Ambos diferem essencialmente quanto a como você define o erro de treinamento e, portanto, a perda de treinamento (estes dois podem ser diferentes para muitos modelos). No caso de supervisionado o erro é na sua maioria alguma função de F(Predição - Y), enquanto que no não supervisionado pode variar com base nos padrões que você está tentando encontrar. Em qualquer caso, se houver uma função de perda viável (e principalmente convexa) com diferencial conhecido, você pode aplicar backpropagation.

Um exemplo disso poderia ser MLP-DNNs sendo usados para classificação ou regressão (supervisionado), e também para auto-encoders (variacionais) (não supervisionados). Os dois primeiros casos são ambos cobertos em profundidade no vídeo acima.

Esta é apenas metade da história. Você pode até mesmo aplicar DL com Reforço de Aprendizagem, que é novamente um tipo de problema diferente no Aprendizado Mecânico, mas diferente de Supervisionado e Sem Supervisão.

Para uma compreensão detalhada da relação entre Aprendizado Profundo e Supervisionado, Sem Supervisão e Aprendizado Reforçado, consulte este vídeo.

Espero que isso tenha ajudado a fornecer uma compreensão estruturada das diferenças entre Supervisionado, Sem Supervisão, Reforço e Aprendizado Profundo.