“Deep learning methods are representation-learning methods with multiple levels of representation, obtained by composing simple but nonlinear modules that each transform the representation at one level (starting with the raw input) into a representation at a higher, slightly more abstract level. [. . . ] The key aspect of deep learning is that these layers are not designed by human engineers: they are learned from data using a general-purpose learning procedure” – Yann LeCun, Yoshua Bengio, and Geoffrey Hinton, Nature 2015.
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das wiederum ein Teilgebiet des künstlichen Lernens ist. Intelligenz (KI).
Das znetrale Ziel der KI ist es, eine Reihe von Alogrithmen und Techniken zur Verfügung zu stellen um Probleme zu lösen, die für den Menschen intiuitv und nahezu automatisch sind, aber eine echte Herausforderung für den Computer darstellt. Ein Beispiel wäre das Dolmetschen und den Inhalt eines Bildes zu verstehen – diese Aufgabe kann ein Mensch von klein auf und mit keinem wirklichen Aufwand, aber beides ist extream schwierig für Maschinen zu erreichen.
Artificial Neural Networks (ANNs) sind Methoden von maschinellen Lernalgorithmen, die von
Daten und spezialisiert auf Mustererkennung, inspiriert von der Struktur und Funktion des Gehirns.