4.1.1 Deep Learning und Machine Learning - NerimanK/Cloud-Computing-Technology---Google-Home GitHub Wiki

Deep Learning ist im Grunde maschinelles Lernen auf einer „tieferen“ Ebene. Es ist inspiriert von der Funktionsweise des menschlichen Gehirns, erfordert jedoch High-End-Maschinen mit diskreten Add-In-Grafikkarten, die Zahlen knacken können, und enorme Mengen an "großen" Daten. Kleine Datenmengen führen tat-sächlich zu einer geringeren Leistung. Im Gegensatz zu Standard-Algorithmen für maschinelles Lernen, bei denen Probleme in Einzelteile zerlegt und einzeln gelöst werden, löst tiefes Lernen das Problem von Anfang bis Ende. Besser noch, je mehr Daten und Zeit Sie einem tiefgreifenden Lernalgorithmus zuführen, desto besser wird es bei der Lösung einer Aufgabe (vgl. Deep Learning).

Deep Learning ist eine spezialisierte Form des maschinellen Lernens und nutzt neuronale Netz zum Lernen. Die Funktionsweise des Lernens ist von einem menschlichen Gehirn inspiriert. Die Abbildung 5: Vergleich zwischen Machine Learing (links) und Deep Learning (rechts) bei der Klassifikation von Fahrzeugen zeigt den Unterschied, wie Deep Learning und Maschine Learning bei der Klassifikation von Bildern mit Fahrzeugen vorgeht. In einem Deep-Learning-Workflow wird die Maschine so trainiert, dass er die Fähigkeit besitzt selbständig aus den vorhandenen Merkmalen und Informationen, das Muster automatisch zu extrahieren und zu klassifizieren. Dieses Vorgehen wird auch „End-to-End-Lernvorgang“ genannt, da das Netz lernt anhand von Rohdaten eine Aufgabe, wie die Klassifizierung, automatisch auszuführen. Im Gegensatz zu Deep Learning erfolgt der Vor-gang beim Machine Learning manuell. Die relevanten Merkmale und Informationen werden aus Bildern manuell extrahiert. Die Objekte im Bild werden in einem Modell, welches anhand der Merkmale erstellt wurde, kategorisiert.

Deep Learning-Algorithmen werden angesichts der Daten skaliert und die jeweili-gen Lernvorgänge mit flachen Netzen entsprechend angepasst. Mit flachen Netzen sind Machine Learning Methoden gemeint, die das Niveau einer gewissen Leis-tungsebene erreichen, sobald dem Netz weitere Beispiele und Trainingsdaten zur Verfügung stehen. Ein weiterer wichtiger Unterschied ist beim Sortieren der Bilder wird bei Machine Learning der Klassifikator und die Merkmale manuell ausgewählt. Während bei Deep Learning das Vorgehen für die Auswahl der Merkmale sowie die Modellie-rung automatisch erfolgt (vgl. Deep Learning).