Deep Learning
Maschinelles Lernen mit neuronalen Netzen aus mehreren Verarbeitungsschichten.
Was bedeutet Deep Learning?
Deep Learning ist ein Teilbereich des maschinellen Lernens mit mehrschichtigen neuronalen Netzen. Aufeinanderfolgende Rechenschritte können dabei geeignete Darstellungen der Eingaben erlernen. Benötigte Daten, Rechenleistung und Training hängen von Modell und Aufgabe ab. Eine größere Tiefe ist für sich weder ein Qualitätsnachweis noch ein Grund, diese Methode jedem einfacheren Ansatz vorzuziehen.
Ein erfundenes Unternehmen möchte schwer lesbare Produktetiketten auf Fotos erkennen. Ein Deep-Learning-Modell ist ein möglicher Ansatz. Das Team prüft die Eignung mit Bildern, die nicht zum Training gehörten und zum vorgesehenen Einsatz passen, etwa bei anderer Beleuchtung oder beschädigten Etiketten. Es vergleicht auch einfachere geeignete Verfahren und den Aufwand für Betrieb und Prüfung. Gute Ergebnisse auf ausgewählten Trainingsfotos allein belegen noch keine verlässliche Erkennung im vorgesehenen Arbeitsablauf.
Quellen
Verwandte Begriffe
- Maschinelles LernenModelle lernen Muster aus Daten und nutzen sie für neue Eingaben.
- Neuronales NetzEin Modell aus verbundenen Rechenknoten mit anpassbaren Parametern.
- Large Language ModelEin Large Language Model verarbeitet Sprache anhand gelernter Muster. Flüssiger Text belegt weder sachliche Richtigkeit noch Zugriff auf aktuelle Firmendaten.
- ModellkarteEine Modellkarte dokumentiert Zweck, Grundlagen, Bewertungsbedingungen und bekannte Grenzen eines KI-Modells für eine bestimmte Version.
- KI-EinsatzbereitschaftKI-Einsatzbereitschaft beschreibt die Voraussetzungen für ein KI-Vorhaben: Ziel, nutzbare Daten, Fähigkeiten, Zuständigkeit und Betriebsablauf.
- Context EngineeringContext Engineering bereitet die Informationen für einzelne Modellaufrufe vor: passende Anweisungen, Nachrichten, Quellen und aktuelle Zustände.
Beiträge zum Thema
KI & Automatisierung mit ASES
KI-Assistenten und automatisierte Abläufe