Spring GDS 25è Aniversari
Una empresa de logística que envia a 190 països va construir alguna cosa per enviar-se a si mateixa.
Una xarxa neuronal és un tipus de model de machine learning inspirat vagament en com es connecten les neurones al cervell. Es construeix amb capes d'unitats simples, cadascuna rebent números, ponderant-los i passant un resultat a la capa següent. Ajustant aquests pesos contra milions d'exemples, la xarxa aprèn a mapejar una entrada, com una imatge o una frase, a una sortida, com una etiqueta o una predicció.
La potència ve de la profunditat. Una xarxa amb moltes capes, el que la gent entén per deep learning, pot aprendre característiques en nivells d'abstracció creixents. Les primeres capes d'una xarxa d'imatges podrien detectar vores, les següents formes senceres, i les finals una cara. L'entrenament funciona mostrant a la xarxa un exemple, mesurant quant es va equivocar en la seva suposició i empenyent cada pes una mica per fer-ho millor la propera vegada, un procés repetit al llarg de tot el conjunt de dades. L'arquitectura transformer darrere dels models de llenguatge d'avui és una xarxa neuronal, igual que el model de visió que reconeix objectes en una foto.
Les xarxes neuronals no són màgia i no sempre són l'elecció correcta. Necessiten moltes dades i còmput, i són difícils d'interpretar, cosa que importa quan has d'explicar una decisió. Per a molts problemes un model més simple és més ràpid, barat i clar.
Recorrem a les xarxes neuronals quan el problema les necessita de debò, imatges, llenguatge, patrons complexos que cap model simple captura, i ho diem sense embuts quan no és així. Una xarxa neuronal que no pots explicar ni permetre't reentrenar és un llast, així que decidir fer-la servir és part de l'enginyeria, no una cosa donada.
Quan una xarxa és l'eina adequada, les nostres solucions de machine learning se centren en les parts que decideixen si funciona en producció: dades de qualitat suficients, una avaluació honesta i monitoratge per quan el model comenci a desviar-se. Construïm, mesurem i despleguem, i després seguim vigilant, perquè una xarxa neuronal que semblava afilada amb les dades de l'any passat pot degradar-se en silenci a mesura que el món avança.
Et preguntes si el teu problema necessita de debò deep learning? Resolguem-ho junts.
Una empresa de logística que envia a 190 països va construir alguna cosa per enviar-se a si mateixa.
Convertir una marca en un negoci que funciona.
Mig milió de persones. Una app. Zero caos.















