Im Gegensatz zu herkömmlichen Machine-Learning-Modellen, die auf manuell ausgewählten Features basieren, können Deep-Learning-Modelle automatisch lernen, indem sie mehrere Schichten von Neuronen nutzen, die in einem Netzwerk miteinander verbunden sind. Dadurch können sie komplexe Muster in den Daten erkennen, die von Menschen schwer zu erkennen oder zu beschreiben sind.
Deep Learning hat in den letzten Jahren aufgrund seines Potenzials zur Verarbeitung großer Datenmengen und zur Lösung komplexer Probleme in verschiedenen Anwendungsbereichen wie Bilderkennung, Spracherkennung, maschineller Übersetzung, medizinischer Diagnostik, Robotik und autonomen Fahrzeugen an Bedeutung gewonnen.
Seiten: 1 2