
Deep Learning / Tiefes Lernen
ifaa-Lexikon
Deep Learning, auch als Tiefes Lernen bezeichnet, ist ein spezialisiertes maschinelles Lernverfahren, das auf sehr komplexen künstlichen neuronalen Netzen basiert. Diese Netze sind Computermodelle, die darauf ausgelegt sind, Aspekte des menschlichen Gehirns nachzubilden, insbesondere seine Neuronen, die in Schichten von Knoten organisiert sind.
Das Besondere an Deep Learning ist die hohe Anzahl von Schichten innerhalb dieser neuronalen Netze, wodurch immer abstraktere Repräsentationen der eingehenden Daten entstehen. Während des Trainings werden die numerischen Gewichtungen und Schwellenwerte der künstlichen Neuronen so optimiert, dass das System lernt, von den Eingabedaten auf die korrekten Ausgabedaten zu schließen. Dadurch können sehr komplexe Muster in den zu untersuchenden Daten abgebildet und erkannt werden.
Deep-Learning-Verfahren werden in praktisch allen modernen KI-Systemen eingesetzt. Diese Systeme sind in der Lage, im laufenden Betrieb weiterzulernen, ihre vorab trainierten Modelle zu verbessern und ihre Wissensbasis kontinuierlich zu erweitern.
Unsere Empfehlungen
ifaa-Angebotsübersicht: KI und Lernende Systeme
Zahlen/Daten/FaktenÜbersichtliche Informationen über die Position, Veranstaltungen, Veröffentlichungen und Forschungsprojekte des ifaa sowie Ihre Ansprechpersonen.
Generative Künstliche Intelligenz (GenKI)
Zahlen/Daten/FaktenGenKI ist eine Technologie, die auf der Grundlage vorhandener Daten neue Inhalte erzeugt. Der ifaa-Faktencheck gibt einen Überblick.
Praxisbroschüre Künstliche Intelligenz
BroschürenGrundlagen der KI und des maschinellen Lernens, KI-Anwendungen in Produktionsunternehmen, Good-Practice-Beispiele von KMU der M+E-Industrie
Studie: Künstliche Intelligenz in produzierenden Unternehmen
StudienStudienergebnisse hinsichtlich des KI-Einsatzes in produzierenden Unternehmen sowie der damit verbundenen Chancen und Herausforderungen
Ihr Ansprechpartner
Dipl.-Ing.
Sebastian Terstegen
Wissenschaftlicher Mitarbeiter Telefon: +49 211 542263-42





