DL

DL (Deep Lear­ning) ist eine spe­zi­el­le Form des Machi­ne Lear­ning, bei der künst­li­che neu­ro­na­le Net­ze mit vie­len Schich­ten („deep“) ein­ge­setzt wer­den, um beson­ders kom­ple­xe Mus­ter und Zusam­men­hän­ge in gro­ßen Daten­men­gen zu erken­nen. Deep Lear­ning ermög­licht Anwen­dun­gen wie auto­ma­ti­sche Bild- und Sprach­er­ken­nung, maschi­nel­les Über­set­zen oder auto­no­mes Fah­ren. Durch sei­ne Fähig­keit, selbst­stän­dig Merk­ma­le aus Roh­da­ten zu ler­nen, treibt DL vie­le der fort­schritt­lichs­ten Ent­wick­lun­gen im Bereich der Künst­li­chen Intel­li­genz vor­an. Es benö­tigt jedoch gro­ße Daten­men­gen und hohe Rechen­leis­tung, um opti­ma­le Ergeb­nis­se zu erzie­len.