Angewandtes maschinelles Lernen und KI für Ingenieure

Kapitel 8. Tiefes Lernen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Jedes Modell in Teil I dieses Buches verwendet klassische Algorithmen des maschinellen Lernens, die den Kern von ML selbst bilden: logistische Regression, Random Forests und so weiter. Solche Modelle werden oft als traditionelle maschinelle Lernmodelle bezeichnet, um sie von Deep-Learning-Modellen zu unterscheiden. Wie in Kapitel 1 beschrieben, ist Deep Learning ein Teilbereich des maschinellen Lernens, der hauptsächlich auf neuronalen Netzen basiert. Von der Erkennung von Objekten auf Fotos über die Sprachübersetzung in Echtzeit bis hin zum Einsatz von Computern zur Erzeugung von Kunst, Musik, Poesie und fotorealistischen Gesichtern- Deep Learning ermöglicht es Computern, Leistungen zu erbringen, die das traditionelle maschinelle Lernen nicht leisten kann.

Ich stelle Softwareentwicklern häufig Deep Learning vor, indem ich sie auffordere, einen Algorithmus zu entwickeln, der feststellt, ob ein Foto einen Hund enthält. Wenn sie eine Lösung anbieten, kontere ich mit einem Hundebild, das den Algorithmus vereitelt. Herkömmliche ML-Modelle können das Problem teilweise lösen, aber wenn es um die Erkennung von Objekten in Bildern geht, ist Deep Learning der neueste Stand der Technik. Es ist nicht sonderlich schwierig, ein neuronales Netzwerk so zu trainieren, dass es Hundebilder erkennt, manchmal sogar genauer als Menschen. Wenn ...