Search
Close this search box.

Glossareintrag

Was bedeutet
Deep Learning?

Deep Learning

Definition:

Deep Learning ist eine Methode der künstlichen Intelligenz (KI / Artificial Intelligence, AI engl.), welche die Art und Weise, wie Menschen bestimmte Arten von Wissen erlangen, nachzuahmen. Es handelt sich um eine Untergruppe von Machine Learning-Methoden, die auf künstlichen neuronalen Netzwerken (Artificial Neural Networks - ANNs) und Repräsentationslernen basieren. Der Begriff „deep“ (tief) bezieht sich auf die Nutzung mehrerer Schichten im Netzwerk, wobei die Methoden entweder überwacht, halbüberwacht oder unbeaufsichtigt sein können.

  • Beim überwachten Lernen (supervised learning) werden dem Modell Daten zur Verfügung gestellt, die bereits mit den richtigen Antworten (Labels) versehen sind. Das Modell lernt dann, die Eingabedaten auf die zugehörigen Ausgaben zu kartieren.
  • Halbüberwachtes Lernen (semi-supervised learning) wird angewendet, wenn ein großer Teil der Daten nicht gelabelt ist. Hier kombiniert man gelabelte und ungelabelte Daten, um das Modell zu trainieren. Das Modell nutzt die Struktur der Daten, um selbstständig zu lernen und bessere Vorhersagen auch für ungelabelte Daten zu machen.
  • Beim unbeaufsichtigten Lernen (unsupervised learning) werden Modelle mit Daten ohne jegliche Labels trainiert. Muster und Strukturen in den Daten sollen selbstständig erkannt werden.

In der Bildverarbeitung könnten untere Schichten etwa Kanten erkennen, während obere Schichten komplexere Konzepte wie Ziffern, Buchstaben oder Gesichter identifizieren.

Beschreibung:

  • Schichtenstruktur: Die „Tiefe“ in Deep Learning bezieht sich auf die Anzahl der Schichten in den neuronalen Netzwerken, durch die Daten transformiert werden, um komplexe Merkmale und Muster zu erkennen.
  • Lernmethoden: Deep Learning kann supervidiert, semi-supervidiert oder unüberwacht erfolgen, abhängig von der Verfügbarkeit und Art der Trainingsdaten.
  • Architekturen: Zu den Deep-Learning-Architekturen gehören tiefe neuronale Netzwerke, tiefe Glaubensnetzwerke, rekurrente neuronale Netzwerke, Faltungsneuronale Netzwerke und Transformer, die in einer Vielzahl von Bereichen Anwendung finden.

Deep Learning für Handwerker:

  • Computer Vision: Deep Learning kann in der Bild- und Videobearbeitung genutzt werden, zum Beispiel für die automatische Erkennung von Rissen oder Schäden in Materialien und Bauwerken.
  • Spracherkennung: In der Kommunikation mit Kunden und innerhalb von Teams kann Deep Learning für Sprach-zu-Text-Umwandlungen eingesetzt werden, um Arbeitsanweisungen oder Kundenanfragen effizienter zu verarbeiten.
  • Prozessoptimierung: Durch Analyse von Arbeitsabläufen und Maschinendaten können Deep-Learning-Modelle dabei helfen, Effizienz und Produktivität in handwerklichen Betrieben zu steigern.
Automation Intelligence im Handwerk - Glossareintrag
Lexikon für künstliche Intelligenz und Automation - Glossar für Handwerker und Handwerksbetriebe
Handwerk transformieren durch Artificial Intelligence und Automation Intelligence

Webinar Release KI im Handwerk

Du hast eine Frage?