Deep Learning
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das auf künstlichen neuronalen Netzwerken mit mehreren verborgenen Schichten (Hidden Layers) basiert. Diese Netzwerke imitieren die Struktur des menschlichen Gehirns und ermöglichen das Erkennen komplexer Muster in Daten.
Funktionsweise: Eingabeschicht nimmt Daten auf → verborgene Schichten verarbeiten und extrahieren Merkmale automatisch → Ausgabeschicht liefert Ergebnis. Training durch Forward Propagation, Loss Function und Backpropagation. Aktivierungsfunktionen: ReLU, Sigmoid. Frameworks: TensorFlow, PyTorch.
Vorteile: automatisierte Merkmalsextraktion (kein Feature-Engineering), hohe Genauigkeit bei großen Datenmengen, vielseitig einsetzbar. Anwendungen: Bilderkennung, Sprachverarbeitung, autonomes Fahren, medizinische Diagnostik, generative KI.
Beispiel
Ein Deep-Learning-Modell erkennt auf Fabrikbildern zuverlässig Kratzer an Bauteilen, ohne dass Fehlermerkmale manuell programmiert wurden.