Das ist es:
Deep Learning gehört zum Bereich Machine Learning. Es kommt immer dann zum Einsatz, wenn andere maschinelle Lernverfahren an Grenzen stoßen. Deep Learning ist der Struktur des menschlichen Gehirns angelehnt: Die Deep Learning-Algorithmen versuchen, Datenmengen so zu analysieren wie ein menschliches Gehirn. Über sogenannte „neuronale Netze“ bei der in sehr kurzen Zeiträumen viele Daten vernetzt analysiert werden können.
So funktioniert es:
Deep Learning besteht aus einer mehrschichtigen Struktur von Algorithmen, die man „Künstliches Neuronales Netz“ nennt. So wie wir unser Gehirn nutzen, um Muster zu erkennen und verschiedene Arten von Informationen zu klassifizieren, kann man ein Künstliches Neuronales Netz darauf trainieren, die gleichen Aufgaben mit Daten durchzuführen (z. B. Clustering, Klassifizierung oder Regression). Dadurch können unbeschriftete Daten anhand von Ähnlichkeiten gruppiert oder in verschiedene Kategorien einsortiert werden.
Beispiele für Deep Learning:
Autonomes Fahren stützt sich besonders beim Erkennen und Differenzieren von Objekten auf das Deep Learning.
In der Medizin nutzt man es beispielweise in der Krebsforschung, um Krebszellen automatisiert zu erkennen.
Smart Home ist ein weiteres Feld, das bei Spracherkennung und Präferenzbildung Deep Learning nutzt.
Deep Learning in der Zukunft
Deep Learning-Algorithmen werden mit zunehmender Datenmenge immer besser. Da sich die verfügbare Menge an Daten immer weiter vergrößert, entscheiden sich immer mehr EntwicklerInnen für das Deep Learning als Analysemethode.
