Bu öğrenme şekli denetimli, yarı denetimli veya denetimsiz olabilir.
Sinir ağları, derin kabul ağları ve evrişimli sinir ağları gibi deep learning mimarileri, bilgisayar görüntüsü, konuşma tanıma, doğal dil işleme, ses tanıma, sosyal ağ filtreleme, makine çevirisi, biyo-enformasyon, ilaç tasarımı, tıbbi görüntü analizi, malzeme incelemesi ve bilgisayar oyunları gibi alanlarda uygulanmaktadır.
Yapay sinir ağları bugüne kadar statik ve sembolik olma eğiliminde biyolojik sistemlerden ilham alır.
Deep learning, verilen verilerle temel parametreleri belirlediği ve arkasındaki çok katmanlı süreçleri tanıyarak bilgisayarı kendi kendine öğrenmesi için eğittiği için görsel üretimde alışılmadık yeni görüntüler elde ediyor.
Görseller, Gökhan Avcıoğlu’nun son 30 yıldaki eskizlerinden birleştirilmiş veri setinin Stil GAN 2 ADA uygulamasının sonuçlarıdır. Veri seti oldukça küçük olmasına rağmen (350 Eskiz) Style-GAN 2 ADA karakterini benimsemeyi başardı ve ilginç sonuçlar verdi.
Benzer bağlamda mimarlar, deep learningi, tasarımlar arasındaki görsel benzerlikleri analiz etmek ve yapay sinir ağları tarafından geliştirilen şemalarla binlerce yapıyı yeniden oluşturmak için kullanabilirler.
