Deep Learning ist eine Unterkategorie des Machine Learning, die neuronale Netze mit mehreren Schichten verwendet, um komplexe Muster in Daten zu erkennen.

 

a) Neural Networks (Neuronale Netze)

  • Verwendung von Input-, Hidden- und Output-Layern, um nicht-lineare Zusammenhänge zu modellieren.

  • Anwendungsbereiche: Bildverarbeitung, Spracherkennung, Spiele.

 

b) Natural Language Processing (NLP)

  • Modelliert natürliche Sprache, um Texte zu analysieren, zu generieren oder zu verstehen.

  • Beispiele: Sentimentanalyse, Übersetzung, Chatbots.

 

c) Activation Functions (Aktivierungsfunktionen)

  • Aktivierungsfunktionen wie ReLU, Sigmoid und Tanh sind entscheidend für die Modellierung von Nichtlinearitäten.

  • Funktion: Bestimmen, ob ein Neuron "aktiviert" wird.

 

d) Artificial Intelligence (Künstliche Intelligenz)

  • Oberbegriff, der ML und DL umfasst, mit dem Ziel, menschenähnliche Entscheidungsfähigkeiten zu erreichen.