Глубокое обучение (deep learning) строится на искусственных нейронных сетях, состоящих из слоёв. Основные принципы: - **Иерархия слоёв** - Входной слой (принимает данные) - Скрытые слои (выполняют преобразования) - Выходной слой (даёт результат) - **Функции активации** Добавляют нелинейность (ReLU, sigmoid, tanh) - **Обучение через backpropagation** Градиентный спуск для оптимизации весов Пример простой модели на PyTorch: ``` import torch.nn as nn model = nn.Sequential( nn.Linear(784, 128), # Полносвязный слой nn.ReLU(), # Функция активации nn.Linear(128, 10) # Выходной слой ) ``` Ключевые аспекты: автоматическое извлечение признаков, способность обучаться на больших данных, требование к вычислительным ресурсам.