Begriffe auf den Punkt gebracht

Deep Learning

Deep Learning (Deutsch: tiefergehendes Lernen) ist eine spezielle Methode der Informationsverarbeitung. In dem Zusammenhang sind künstliche neuronale Netze und große Datenmengen wichtig.

Was ist ein neuronales Netz?

Ein neuronales Netz ist im Grunde genommen ein Algorithmus, welcher an die Funktionsweise des menschlichen Gehirns angelehnt ist. Dieser wird dann durch Daten trainiert, sodass er Entscheidungen treffen kann. Ein ganz einfaches neuronales Netz besteht aus

  • einer Eingangsschicht (input layer),
  • einer versteckten Schicht (hidden layer)
  • und einer Ausgabeschicht (output layer).

In der Realität sind die neuronalen Netze jedoch in der Regel deutlich komplexer.

Warum ist Deep Learning notwendig?

Es gibt Problemstellungen (z. B. unstrukturierte Bild- und Texterkennung), die sich durch klassische Machine Learning Algorithmen nicht abbilden lassen. Stattdessen lassen sie sich sehr gut mit neuronalen Netzen abbilden. Damit ist das Erlernen dieser komplexeren Muster möglich.

Deep Learning wird also beispielsweise dazu genutzt,

  • Bilder zu erkennen
  • Texte zu verstehen
  • und Entscheidungen genauer zu tätigen.

Deep Learning löst Aufgaben, die sonst nur schwierig lösbar wären. Es ist sehr rechenintensiv und kann eine lange Zeit andauern.

Deep Learning vs. Machine Learning

Deep Learning ist eine Teilmenge von Machine Learning (maschinellem Lernen). Machine Learning wird in

  • Deep Learning
  • und „klassisches“ Machine Learning

unterteilt.

Mit klassischem Machine Learning sind die Methoden gemeint, die keine künstlichen neuronalen Netze nutzen. Deep Learning hingegen nutzt ausschließlich künstliche neuronale Netzwerke.

Haftungsausschluss: Die Inhalte dieses Artikels sind lediglich unverbindliche Informationen und Hinweise. Die anaptis GmbH übernimmt keine Gewähr für die inhaltliche Richtigkeit der Angaben.