Deep Learning
Definition
Deep Learning ist ein Teilbereich des Machine Learning, der Neural Networks mit vielen Schichten verwendet. Es ermoeglicht das Lernen hierarchischer Merkmale aus grossen Datenmengen. Deep Learning treibt Innovationen in Bilderkennung, Sprachverarbeitung und autonomen Systemen.
Beispiel
Deep Learning ermoeglicht selbstfahrende Autos, die Fussgaenger in Echtzeit erkennen.
Verwandte Begriffe
Mehr aus “AI/ML”
Training (Modell-Training)
Training ist der Prozess, bei dem ein KI-Modell aus Daten lernt, indem es seine internen Gewichte iterativ anpasst. Es verwendet Algorithmen wie Backpropagation und Gradient Descent. Das Training grosser Modelle kann Wochen bis Monate dauern.
Speculative Decoding
Speculative Decoding ist eine Inferenz-Optimierungstechnik, bei der ein kleiles Modell schnell Entwuerfe generiert und ein grosses Modell diese verifiziert. Akzeptierte Tokens werden uebernommen, abgelehnte verworfen. Dies kann die Inference-Geschwindigkeit um den Faktor 2-3 erhoehen.
Inference (Inferenz)
Inference ist die Anwendung eines trainierten KI-Modells auf neue Daten, um Vorhersagen zu generieren. Sie ist weniger rechenintensiv als das Training, erfordert aber dennoch NPUs oder GPUs fuer Echtzeit-Anwendungen. Edge-Inference findet direkt auf dem Geraet statt.
TinyML
TinyML ist das Feld des Machine Learning fuer extrem ressourcenbeschraenkte Geraete (Mikrocontroller, Sensoren). Modelle werden auf wenige Kilobyte komprimiert. Typische Anwendungen sind Keyword-Spotting, Gestenerkennung und Anomalie-Erkennung auf Batterie-Geraeten.