1943 legten Warren McCulloch und Walter Pitts mit der Entwicklung eines Computermodells, das auf den neuronalen Netzen des menschlichen Gehirns basiert, den Grundstein für Deep Learning. Bei ihrer Arbeit kombinierten sie Mathematik und Algorithmen, die sie Schwellenlogik nannten, um die kognitiven Prozesse des Gehirns nachzuahmen. Dies war der Ursprung des Begriffs „Deep Learning“.
Deep Learning bezieht sich auf maschinelles Lernen, bei dem neuronale Netze mit drei oder mehr Schichten eingesetzt werden. Diese neuronalen Netze versuchen, die Funktionsweise des menschlichen Gehirns nachzuahmen, auch wenn sie dessen Fähigkeiten nicht erreichen können.
Durch die Verarbeitung großer Datenmengen sind Deep-Learning-Algorithmen in der Lage, automatisch zu „lernen“ und Muster zu erkennen. Diese Algorithmen sind auch in der Lage, komplexe Muster und Beziehungen innerhalb der Daten zu erkennen, so dass sie genaue Vorhersagen, Klassifizierungen und Entscheidungen treffen können.
Durch einen Prozess, der Backpropagation genannt wird, ist das neuronale Netz in der Lage, seine Gewichte anzupassen und seine Leistung im Laufe der Zeit zu verbessern, was es zu einem leistungsstarken Werkzeug für eine breite Palette von Anwendungen wie Bilderkennung, Verarbeitung natürlicher Sprache und Spracherkennung macht.
DE 
EN 
FR 
ES