(Suponiendo que escribir sobre uno de los campos en la pregunta es suficiente).
Para el aprendizaje profundo todavía hay muchos problemas de investigación no resueltos, en particular relacionados con aplicaciones como la medicina. También hay áreas más cercanas a su núcleo, p. Ej.
- desarrollar y refinar la teoría del aprendizaje profundo para explicar por qué y cómo funcionan (por ejemplo, proporcionar una explicación teórica y completa de preguntas como ¿Por qué el aprendizaje de la red neuronal se ralentiza a medida que el error disminuye? ¿Es necesario que sea así?)
- Otras áreas que, en mi opinión, se encuentran en la fase inicial de investigación es el aprendizaje profundo para el procesamiento del lenguaje natural , en particular los modelos basados en caracteres (a diferencia del pasado reciente con modelos basados en palabras). Dado que los modelos basados en caracteres como p. Ej. [1502.01710] Text Understanding from Scratch (véanse también los documentos que citan ese artículo en Google Scholar) utilizan con frecuencia redes neuronales convolucionales, varias de las técnicas utilizadas actualmente en el reconocimiento de imágenes no se han probado para el texto (p. Ej. aplicando y adaptando técnicas de [1603.09382] Deep Networks with Stochastic Depth nunca ha sido probado en redes profundas basadas en caracteres.
Aprendizaje profundo en medicina
- ¿Qué tan popular y extendido es el aprendizaje automático en África?
- Cómo realizar el etiquetado de palabras (POS, NER) para nuevas oraciones utilizando una red neuronal profunda (entrenada)
- Como programador novato, ¿realmente necesito conocer toda la documentación de un lenguaje o marco de programación para comenzar, o lo aprenderé acumulativamente mientras trabajo en un proyecto pequeño?
- En términos de rendimiento de clasificación en conjuntos de datos grandes y dispersos, ¿cómo se compara el aprendizaje profundo con la regresión logística en la práctica?
- ¿Alguien ha encontrado un análisis matemáticamente riguroso de la unidad LSTM?
Un gran campo de aplicación es la medicina ( en particular, relacionada con el aprendizaje profundo basado en imágenes ). Un enfoque potencial para encontrar un buen área de investigación es, por ejemplo, buscar en las Listas de enfermedades (Wikipedia) y quizás ordenarlas por prevalencia, incidencia o costo (por ejemplo, los costos relacionados con Alzheimer y otros tipos de demencia son de $ 236 mil millones por año, ref: más reciente Datos y cifras de Alzheimer) e investigue qué tipos de datos se recopilan típicamente por enfermedad (por ejemplo, durante los diagnósticos). Los ejemplos de datos médicos (imagen) incluyen varios tipos de rayos X, ultrasonido, MRI / fMRI, EEG, Termografía (ver Imágenes médicas para más detalles). Si crea una matriz de enfermedades a lo largo de un eje y tipos de datos a lo largo del otro eje, puede trazar un mapa de las posibles áreas de investigación y tal vez comenzar con un estudio previo donde trazar un mapa donde ya se está llevando a cabo una investigación de aprendizaje profundo.
A pesar de que hay una gran cantidad de investigación en Deep Learning y la medicina está lejos de todas las áreas cubiertas y que yo sepa, ninguna área está “resuelta” (nota al margen: el aprendizaje profundo acaba de comenzar a aparecer en equipos médicos comerciales, por ejemplo, Samsung Medison revela Deep dispositivo de imágenes de ultrasonido de mama basado en el aprendizaje – Pulse by Maeil Business News Korea )
Descargo de responsabilidad : esta publicación apenas rasca la superficie en áreas de investigación potenciales en Deep Learning, todavía es en general un campo de investigación abierto.