Sponsored Post Was ist das?

Deep Learning: Dieses Handbuch vermittelt dir die Grundlagen

Deep Learning – Zukunftstechnologie im Fokus

(Grafik: Dataiku)

Anzeige

Nur wenige Bereiche haben in der letzten Zeit so große Erwartungen geweckt wie die künstliche Intelligenz, maschinelles Lernen und Deep Learning. Dataiku vermittelt in einem kostenlosen Handbuch die wichtigsten Basics.

Das Interesse an Deep Learning wuchs in den letzten fünf Jahren stetig. Gleichzeitig war das Thema maschinelles Lernen in aller Munde und Deep Learning begann ab 2016 Schlagzeilen zu erzielen, als Googles Alphago einen der besten Go-Spieler der Welt, Lee Sedol, besiegte.

Deep Learning: Beispiele aus der Forschung

Aber Deep-Learning-Systeme können nicht nur spielen:
2017 verwendeten Forscher der University of Washington Deep-Learning-Systeme, um ein realistisches Lippensynchronisationsvideo von Barack Obama zu erstellen. Im Sommer 2018 erzielte die Forschungsgruppe, die hauptsächlich von Forschern des Max-Planck-Instituts für Informatik und der Technischen Universität München geleitet wurde, einen weiteren Durchbruch – sie kreierten umfangreiche, realistische Videobearbeitungen.
Auch in der Medizin konnten beim Einsatz von Deep Learning bereits Erfolge erzielt werden – Forscher der Stanford University konnten etwa in einer Studie zeigen, dass zur Hautkrebs-Erkennung eingesetzte Convolutional-Neural-Networks ähnlich verlässliche Einschätzungen treffen wie menschliche Hautärzte.

Deep Learning - Funktion und Nutzen

Das Interesse an Deep Learning ist gestiegen. (Grafik: Dataiku)

Was ist Deep Learning?

Deep Learning ist eine Untergruppe des maschinellen Lernens und basiert auf neuronalen Netzen. Vereinfacht gesagt liegen dabei zwischen In- und Output-Layer zahlreiche verborgene Schichten, die hierarchisch aufeinander aufbauen. Die eingegebenen Daten werden zunächst grob und später dann feiner systematisiert. Deep Learning dient also vor allem der Identifizierung von Mustern und Strukturen. Auf Deep Learning basieren beispielsweise die Spracherkennung des Sprachassistenten in deinem Smartphone oder semi-autonome Fahrzeuge, die zur Vermeidung von Kollisionen Bilderkennung verwenden.

Jetzt das Deep-Learning-Handbuch von Dataiku herunterladen und mehr erfahren!

Wie können Unternehmen Nutzen aus Deep Learning ziehen?

Zu den Anwendungsbereichen zählen vor allem Gebiete, in denen es keine festen Regeln gibt, die man einprogrammieren könnte. Dazu gehören unter anderem Computer-Vision und Bilderkennung, Anomalie-Erkennung, Bot-Interaction oder Betrugserkennung.

Laut der im Jahr 2018 erschienenen Studie „Machine Learning/Deep Learning“, die sich mit deutschen Unternehmen befasst, sind Deep-Learning-Algorithmen gemeinsam mit neuronalen Netzen der zweitwichtigste Algorithmus des maschinellen Lernens, die in Unternehmen verwendet werden (34 Prozent). Interessanterweise ist dieser Anteil bei größeren Unternehmen kleiner (29,1 Prozent).

Doch das wirtschaftliche Potenzial der Technologie ist groß: McKinsey schätzt, dass Deep-Learning-Techniken zwischen 3,5 Billionen und 5,8 Billionen US-Dollar jährlich generieren können. Insbesondere für die Funktionsbereiche Marketing und Vertrieb sowie Supply-Chain-Management, Fertigung und Produktion wird Deep Learning großes Potenzial zugesprochen.

Das Deep-Learning-Handbuch von Dataiku

Dataiku, Gründer einer Data-Science-Plattform mit Deep-Learning-Features, hat ein kostenloses Einführungshandbuch zusammengestellt, um die wichtigsten Fragen zur Technologie zu beantworten.

Das Handbuch zeigt, was Deep Learning zu einer der effektiven Lösungen für komplexe Probleme macht. Darüber hinaus ist ein Ziel des Handbuchs, ein vertieftes Verständnis für Deep Learning auf- und Berührungsängste abzubauen und mehr Vertrauen in die Technologie  zu schaffen – sowohl bei Führungskräften als auch bei Data-Teams. Hat man die Funktionsweise erst einmal verstanden, ist die Technologie weitaus weniger einschüchternd und die Fallstudien erscheinen klarer.

Deep Learning

Das Deep-Learning-Handbuch informiert über Funktionsweise und Anwendungsfälle der Technologie. (Grafik: Dataiku)

Das Handbuch behandelt folgende Aspekte:

  • High-Level-Anwendungsfälle
  • Eine ausführliche Definition von Deep Learning, inklusive Neuronen und neuronalen Netzwerken
  • Was ist ein Gradientenabstieg und welche unterschiedlichen Typen von neuronalen Netzwerken gibt es?
  • Einen detaillierten Blick auf den beliebtesten Typen, die Convolutional-Neural-Networks – CNN
  • Wie Deep Learning mit wenigen Daten beschleunigt werden kann
  • Spezifische Beispiele aus dem realen Leben für den Einsatz von Deep Learning
  • Die Zukunft des Deep Learnings und Leseempfehlungen

Solltet ihr mit maschinellem Lernen noch nicht vertraut sein, könnt ihr vorab noch das „Machine Learning Basics“-Handbuch lesen, bevor ihr euch dem Deep Learning widmet. Wer vorerst nicht zu tief eintauchen will, kann nach den ersten Kapiteln (High-Level-Definitionen und Anwendungsfälle) direkt zu den letzten Abschnitten übergehen (Anwendungen im realen Leben). Die Kapitel dazwischen befassen sich mit der Mechanik neuronaler Netzwerke und sind daher besonders für diejenigen von Nutzen, die sich konkret für die Umsetzung von Deep Learnings interessieren.

Deep-Learning-Handbuch kostenlos herunterladen!
Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung