Deep Learning
Aus FI-Wiki
Deep Learning (DL) ist ein Teilbereich des Maschinellen Lernens. Es verwendet künstliche neuronale Netze mit vielen Schichten (deep), um komplexe Muster in großen Datenmengen zu erkennen.
Grundprinzip
Ein neuronales Netz besteht aus mehreren Schichten von „Neuronen“, die Daten schrittweise verarbeiten. Dabei werden Merkmale automatisch erkannt, ohne dass sie vorher definiert werden müssen.
Merkmale
- arbeitet mit neuronalen Netzen (mehrschichtig)
- erkennt komplexe Muster automatisch
- benötigt große Datenmengen
- hohe Rechenleistung erforderlich (z. B. GPU)
Beispiele
- Bilderkennung (z. B. Gesichtserkennung)
- Sprachverarbeitung (Speech-to-Text)
- Chatbots und generative KI
- autonomes Fahren
Vorteile
- sehr hohe Genauigkeit bei komplexen Aufgaben
- automatische Merkmalserkennung
- leistungsfähig bei großen Datenmengen
Nachteile
- hoher Rechenaufwand
- benötigt viele Trainingsdaten
- oft schwer erklärbar („Black Box“)
Kurzmerksatz
Deep Learning nutzt neuronale Netze, um komplexe Muster in großen Datenmengen automatisch zu erkennen.
