Deep Learning
Teilbereich des maschinellen Lernens, der tiefe neuronale Netze mit vielen Schichten einsetzt.
Deep Learning nutzt neuronale Netze mit mehreren verborgenen Schichten, die hierarchische Repräsentationen der Eingabedaten lernen. Jede Schicht abstrahiert dabei zunehmend komplexere Merkmale aus den Rohdaten.
Der Durchbruch kam mit der Verfügbarkeit großer Datensätze, leistungsfähiger GPUs und verbesserter Trainingsverfahren. Seitdem dominiert Deep Learning in der Bild-, Sprach- und Textverarbeitung.
Architekturen wie CNNs für Bilder, RNNs für Sequenzen und schließlich Transformer haben das Feld geprägt. Der Erfolg von Large Language Models ist direkt auf die Skalierbarkeit tiefer Netze zurückzuführen.
Verwandte Begriffe
- Neuronales Netz
Vom Gehirn inspiriertes Berechnungsmodell aus verbundenen Knoten, das Funktionen aus Daten approximiert.
- Transformer
Dominante neuronale Netzwerkarchitektur für Sprache, Bild und mehr, basierend auf dem Attention-Mechanismus.
- Convolutional Neural Network (CNN)
Neuronale Netzwerkarchitektur mit Faltungsoperationen, besonders geeignet für Bild- und Signalverarbeitung.
- Rekurrentes Neuronales Netz (RNN)
Netzwerkarchitektur mit Zustandsspeicher für sequentielle Daten, weitgehend durch Transformer abgelöst.