Zusammenfassung
Deep Learning orientiert sich am Modell des Gehirns. Das menschliche Gehirn besteht Schätzungen zufolge aus 86 Mrd. Nervenzellen und sehr vielen Verbindungen. Die Zellen besitzen eingehende und ausgehende Zellfortsätze, die Pate für die künstlichen neuronalen Netze (KNN) gestanden haben. Ein KNN besteht aus einer Eingangsschicht, die Informationen erhält, einer Zwischenschicht, in der die Verarbeitung stattfindet, und einer Ausgangsschicht. Die Knoten sind miteinander verbunden und leiten Informationen weiter. Wenn sehr viele Schichten verwendet werden, so wird der Algorithmus als Deep Learning bezeichnet. Anhand des Spiels „Quick, Draw!“ wird die Funktionsweise erklärt, wobei dort ein CNN zur Anwendung kommt. Deep Learning wird bei Problemen angewendet, die zu viele mögliche Features beinhalten, um händisch nachzuvollziehen, wie wichtig jedes einzelne ist. Die Wichtigkeit des „Human in the Loop“ wird thematisiert und Stellen, an denen der Mensch auch innerhalb von KI große Vorteile bietet, werden dargestellt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2024 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Eichstädt, T., Spieker, S. (2024). Deep Learning. In: 52 Stunden Informatik. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-41838-0_46
Download citation
DOI: https://doi.org/10.1007/978-3-658-41838-0_46
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-41837-3
Online ISBN: 978-3-658-41838-0
eBook Packages: Education and Social Work (German Language)