# - ডিপ লার্নিং (DL)

বর্তমান সময়ে কৃত্রিম বুদ্ধিমত্তার সবচেয়ে বেশি প্রবলেম সলভে কাজে লাগছে এই ডিপ লার্নিং এর এলগোরিদমগুলো। সধারণভাবে বলতে গেলে- মেশিন লার্নিং আর ডিপ লার্নিং এর মধ্যে পার্থক্য হল নিউরাল নেটওয়ার্কের কমপ্লেক্সিটি। যা ডিপ লার্নিং এর ক্ষেত্রে অনেক বেশি কমপ্লেক্স এবং মাল্টি লেয়ার্ড হয়ে থাকে। 

এখানে অনেক বেশি ডেটা নিয়ে রিয়াল লাইফ প্রবলেমগুলো সলভ করা হয়। এখানে কম্পিউটেশনাল কস্ট মেশিন লার্নিং এলগোরিদমগুলোর চেয়ে অনেক বেশি হয়ে থাকে, তাই অনেক সময় শক্তিশালী হার্ডওয়্যারের প্রয়োজন হয়। 

![](https://3791410808-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LQKCdfLl47gXktRXGP9%2F-LQj9XI8D0ZT7_6z505c%2F-LQjA0_FIyoUYVWRt5fy%2FSlide8.PNG?alt=media\&token=b3d95b43-0681-45a5-bc03-f9714bf292f4)

ডিপ লার্নিং এর আরেকটি মূল পার্থক্যা হল- ব্যাক প্রোপাগেশান, যার মাধ্যমে সিস্টেম খুবই এফিসিয়েন্ট ওয়েতে ডেটা থেকে শিখতে পারে। এছাড়া মেশিন লার্নিং এর অ্যাপ্লিকেশনগুলোই ডিপ লার্নিং এও আমরা দেখতে পাই।  সব শেষে, ডিপ লার্নিং হল আরও এফিসিয়েন্ট এবং উন্নত ট্রেইনিং প্রসেস।