Deep Learning Deep Learning ist maschinelles Lernen mit künstlichen neuronalen Netzen, die viele Schichten zwischen Ein- und Ausgabe besitzen. Das „tief" bezieht sich auf diese Schichtenzahl. Der entscheidende Vorteil gegenüber klassischen Verfahren ist, dass die Netze die relevanten Merkmale selbst aus den Rohdaten herausarbeiten, statt sie von Hand definiert zu bekommen.
Kurz-Fakten
Der Durchbruch kam ab 2012 mit leistungsfähigen Grafikprozessoren
Überlegen bei Bild, Ton und Text – nicht zwangsläufig bei Tabellendaten
Braucht deutlich mehr Trainingsdaten als klassische Verfahren
Die Entscheidungswege sind kaum nachvollziehbar
Bedeutung in der Praxis
Bei Tabellendaten schlagen einfachere Verfahren wie Gradient Boosting neuronale Netze regelmäßig – bei geringerem Aufwand und besserer Nachvollziehbarkeit. Deep Learning ist keine allgemeine Verbesserung, sondern das richtige Werkzeug für unstrukturierte Daten.
Wer in einem regulierten Umfeld arbeitet, sollte die fehlende Nachvollziehbarkeit früh ansprechen. Sie lässt sich abmildern, aber nicht auflösen.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.