Zurück zum Glossar
Deep Learning
Grundlagen
Lernen mit tiefen neuronalen Netzen und vielen Parametern.
Deep Learning nutzt Schichten nichtlinearer Transformationen, um komplexe Muster in Text, Bild, Audio oder Multimodalität zu erfassen.
- Stärken: Leistungsfähig bei großen Datenmengen, automatische Merkmalsbildung.
- Schwächen: Daten-/Rechenhunger, schwierige Erklärbarkeit, potenzielle Vulnerabilitäten.
- Typische Architekturen: CNNs, RNNs/LSTMs, Transformer.
- Praxis: Transfer Learning und Feintuning reduzieren Kosten und Datenbedarf.