1. Lernen durch Künstliche Neuronale Netzwerke

Von neuronalen Netzen zu Deep Learning

 

!     Lesen Sie das folgende Buch, um unsere Reise zu beginnen und mehr über Künstliche Neuronale Netze und Deep Learning zu erfahren.




Wichtige Begriffe
Künstliche Neuronale Netze (oder auch Artificial Neural Networks, ANNs) sind von biologischen neuronalen Netzen inspiriert. Sie bestehen aus einer miteinander verbundenen Gruppe künstlicher Neuronen. In den meisten Fällen ist ein KNN ein adaptives System, das seine Struktur basierend auf externer oder interner Information verändert, die während der Lernphase durch das Netzwerk fließt. Es gibt allerdings auch sehr große Unterschiede zwischen KNNs und biologischen neuronalen Netzen, bspw. darin, wie die Adaption oder die Signalübertragung funktioniert.
Neuronen führen die Rechenoperationen eines Netzwerks aus; zusammen mit den Gewichten bilden sie das neuronale Netz.
Deep Learning ist eine breite Familie von Techniken des maschinellen Lernens. Das Wort „deep“ bezieht sich darauf, dass die Knoten typischerweise in vielen Schichten organisiert sind.




!     Bevor wir verstehen, wie eine Maschine lernen kann, eine Aufgabe mithilfe eines Künstlichen Neuronalen Netzwerks zu erledigen, überlege dir Folgendes: Wie denken Sie, lernen Deep-Learning-Modelle, verschiedene Aufgaben auszuführen – zum Beispiel, Bilder von Katzen und Hunden zu unterscheiden?
(1) Schreiben Sie Ihre Antwort auf eine neue Taskcard.
(2) Bitte geben Sie Ihren Namen an.
(3) Verwenden Sie kein KI-System. Nutzen Sie nur Ihr aktuelles Wissen.
(4) Lesen Sie die Antworten Ihrer Mitlernenden bitte erst, nachdem Sie Ihre eigene Antwort abgegeben haben.
(5) Bitte gehen Sie erst zur nächsten Seite, wenn Sie hier geantwortet haben.