糖心vlog官网观看

Read in English (Auf Englisch lesen).

Sie haben in den letzten Jahren wahrscheinlich schon die Begriffe K眉nstliche Intelligenz (KI), Machine Learning und Deep Learning geh枚rt. Obwohl sie verwandt sind, haben sie jeweils ihre eigene Bedeutung und sind mehr als nur Schlagworte 蹿眉谤 selbstfahrende Autos.

Im Gro脽en und Ganzen ist Deep Learning eine Teilmenge des maschinellen Lernens und maschinelles Lernen wiederum eine Teilmenge der k眉nstlichen Intelligenz. Man kann sich diese als eine Reihe sich 眉berlappender konzentrischer Kreise vorstellen, wobei KI den gr枚脽ten Kreis einnimmt, gefolgt von maschinellem Lernen und schlie脽lich Deep Learning. Anders ausgedr眉ckt: Deep Learning ist KI, aber KI ist nicht Deep Learning.听

In diesem Artikel erfahren Sie mehr 眉ber KI, maschinelles Lernen und Deep Learning, einschlie脽lich ihrer Zusammenh盲nge und Unterschiede. Wenn Sie anschlie脽end Ihre eigenen F盲higkeiten im maschinellen Lernen ausbauen m枚chten, bietet sich die Spezialisierung Machine Learning von Stanford und DeepLearning.AI an.

Deep Learning vs. Machine Learning

Dank popkultureller Darstellungen von 鈥�2001: Odyssee im Weltraum鈥� bis 鈥濼erminator鈥� haben viele von uns eine Vorstellung von KI. Oxford Languages 鈥嬧�媎efiniert KI als 鈥瀌ie Theorie und Entwicklung von Computersystemen, die Aufgaben ausf眉hren k枚nnen, die normalerweise menschliche Intelligenz erfordern鈥�. Britannica bietet eine 盲hnliche Definition: 鈥濪ie F盲higkeit eines digitalen Computers oder computergesteuerten Roboters, Aufgaben auszuf眉hren, die 眉blicherweise mit intelligenten Wesen in Verbindung gebracht werden.鈥�

Maschinelles Lernen und Deep Learning sind beides Formen der KI. Kurz gesagt: Maschinelles Lernen ist KI, die sich mit minimalem menschlichen Eingriff automatisch anpasst. Deep Learning ist eine Teilmenge des maschinellen Lernens, die k眉nstliche neuronale Netze (KNN) nutzt, um den Lernprozess des menschlichen Gehirns nachzuahmen.

Schauen Sie sich diese wichtigen Unterschiede an, bevor wir tiefer in die Materie eintauchen.

• K眉nstliche Intelligenz nutzt Informatik und Daten, um Maschinen das L枚sen von Problemen zu erm枚glichen.

• Maschinelles Lernen bezieht sich auf die Erforschung von Computersystemen, die automatisch aus Erfahrungen lernen und sich anpassen, ohne explizit programmiert zu werden.

• Deep Learning ist eine Technik des maschinellen Lernens, bei der Algorithmen und Recheneinheiten 鈥� oder Neuronen 鈥� in k眉nstliche neuronale Netze geschichtet werden, die das menschliche Gehirn nachahmen.

Was ist k眉nstliche Intelligenz (KI)?

Auf der grundlegendsten Ebene nutzt das Gebiet der k眉nstlichen Intelligenz Informatik und Daten, um Maschinen Probleml枚sung zu erm枚glichen.听

Zwar gibt es noch keine menschen盲hnlichen Roboter, die die Weltherrschaft an sich rei脽en wollen, doch Beispiele 蹿眉谤 KI sind 眉berall um uns herum zu finden. Diese k枚nnen so einfach sein wie ein Computerprogramm, das Schach spielen kann, oder so komplex wie ein Algorithmus, der die RNA Struktur eines Virus vorhersagen kann, um die Entwicklung von Impfstoffen zu unterst眉tzen.听

Damit sich eine Maschine oder ein Programm ohne weitere Eingaben menschlicher Programmierer selbstst盲ndig verbessern kann, ben枚tigen wir maschinelles Lernen.

Deep Blue, der Schachcomputer聽

Vor der Entwicklung des maschinellen Lernens mussten k眉nstlich intelligente Maschinen oder Programme so programmiert werden, dass sie auf eine begrenzte Anzahl von Eingaben reagierten. Deep Blue, ein Schachcomputer, der 1997 einen Schachweltmeister besiegte, konnte sich 蹿眉谤 seinen n盲chsten Zug anhand einer umfangreichen Bibliothek m枚glicher Z眉ge und Ergebnisse 鈥瀍ntscheiden鈥�. Das System war jedoch rein reaktiv. Damit Deep Blue sein Schachspiel verbessern konnte, mussten Programmierer weitere Funktionen und M枚glichkeiten hinzuf眉gen.

Was ist maschinelles Lernen?

Unter maschinellem Lernen versteht man die Untersuchung von Computersystemen, die automatisch aus Erfahrung lernen und sich anpassen, ohne explizit programmiert zu werden.

Mit einfacher KI kann ein Programmierer einer Maschine sagen, wie sie auf verschiedene Anweisungen reagieren soll, indem er jede 鈥濫ntscheidung鈥� manuell codiert. Mit Modellen des maschinellen Lernens k枚nnen Informatiker eine Maschine 鈥瀟rainieren鈥�, indem sie ihr gro脽e Datenmengen zuf眉hren. Die Maschine folgt einem Regelwerk 鈥� einem sogenannten Algorithmus 鈥�, um die Daten zu analysieren und daraus Schlussfolgerungen zu ziehen. Je mehr Daten die Maschine analysiert, desto besser kann sie eine Aufgabe ausf眉hren oder eine Entscheidung treffen.

Hier ist ein Beispiel, das Sie vielleicht kennen: Der Musik Streaming Dienst Spotify lernt, was Ihre Musikvorlieben sind und unterbreitet Ihnen neue Vorschl盲ge. Jedes Mal, wenn Sie ein Lied bis zum Ende anh枚ren oder Ihrer Bibliothek hinzuf眉gen, aktualisiert der Dienst seine Algorithmen, um Ihnen pr盲zisere Empfehlungen zu geben. Netflix und Amazon nutzen 盲hnliche Algorithmen des maschinellen Lernens, um personalisierte Empfehlungen zu bieten.

IBM Watson, der maschinelle Lern Cousin von Deep Blue

Im Jahr 2011 besiegte IBM Watson mithilfe von maschinellem Lernen zwei Jeopardy Champions in einem Schaukampf.

Watsons Programmierer f眉tterten ihn mit Tausenden von Frage Antwort Paaren sowie Beispielen 蹿眉谤 richtige Antworten. Schon bei einer Antwort war die Maschine so programmiert, dass sie die passende Frage ausgab. Bei einer falschen Antwort korrigierten die Programmierer sie. Dadurch konnte Watson seine Algorithmen anpassen und gewisserma脽en aus seinen Fehlern 鈥瀕ernen鈥�.

Als Watson gegen die Jeopardy Champions antrat, konnte er innerhalb von Sekunden 200 Millionen Seiten an Informationen analysieren und eine Liste m枚glicher Antworten erstellen, die nach der Wahrscheinlichkeit ihrer Richtigkeit geordnet waren 鈥� selbst wenn er den jeweiligen Jeopardy Hinweis noch nie zuvor gesehen hatte.

Was ist Deep Learning?

W盲hrend Machine Learning Algorithmen bei Fehlern in der Regel menschliche Korrekturen ben枚tigen, k枚nnen Deep Learning Algorithmen ihre Ergebnisse durch Wiederholung ohne menschliches Eingreifen verbessern. Ein Machine Learning Algorithmus kann aus relativ kleinen Datens盲tzen lernen, ein Deep Learning Algorithmus hingegen ben枚tigt gro脽e Datens盲tze, die vielf盲ltige und unstrukturierte Daten enthalten k枚nnen.

Betrachten Sie Deep Learning als eine Weiterentwicklung des maschinellen Lernens. Deep Learning ist eine maschinelle Lerntechnik, bei der Algorithmen und Recheneinheiten 鈥� auch Neuronen genannt 鈥� zu einem sogenannten k眉nstlichen neuronalen Netz zusammengefasst werden. Diese tiefen neuronalen Netze sind von der Struktur des menschlichen Gehirns inspiriert. Daten durchlaufen dieses Netz aus miteinander verbundenen Algorithmen nichtlinear, 盲hnlich wie unser Gehirn Informationen verarbeitet.听

AlphaGo, ein weiterer Nachkomme von Deep Blue

AlphaGo war das erste Programm, das einen menschlichen Go Spieler besiegte, und auch das erste, das 2015 einen Go Weltmeister besiegte. Go ist ein 3.000 Jahre altes Brettspiel aus China und bekannt 蹿眉谤 seine komplexe Strategie. Es ist deutlich komplizierter als Schach, mit 10 hoch 170 m枚glichen Konfigurationen auf dem Brett.

Die Entwickler von AlphaGo f眉hrten das Programm zun盲chst in mehrere Go Partien ein, um ihm die Spielmechanik beizubringen. Anschlie脽end spielte es Tausende Male gegen verschiedene Versionen seiner selbst und lernte nach jeder Partie aus seinen Fehlern. AlphaGo wurde so gut, dass die besten menschlichen Spieler der Welt seine einfallsreichen Z眉ge studierten.

Die neueste Version des AlphaGo Algorithmus, bekannt als MuZero, kann Spiele wie Go, Schach und Atari meistern, ohne dass man ihm die Regeln erkl盲ren muss.

Erfahren Sie mehr 眉ber den Unterschied zwischen KI, maschinellem Lernen und Deep Learning in dieser Vorlesung zur anf盲ngerfreundlichen digitalen Transformation mithilfe von KI/ML mit der Google Cloud Spezialisierung:

Was ist das Besondere an Big Data?

Der Begriff 鈥濨ig Data鈥� bezeichnet Datens盲tze, die 蹿眉谤 herk枚mmliche relationale Datenbanken und Datenverarbeitungssoftware zu gro脽 sind. Unternehmen generieren t盲glich beispiellose Datenmengen. Deep Learning ist eine M枚glichkeit, diese Daten zu nutzen.

Bauen Sie noch heute Ihre F盲higkeiten im Bereich maschinelles Lernen und Deep Learning auf

Fortschritte in der KI ver盲ndern bereits die Arbeitsweise vieler Menschen. Erlernen Sie grundlegende Kenntnisse im maschinellen Lernen und Deep Learning mit diesen Kursen auf 糖心vlog官网观看:

Einen 脺berblick 眉ber KI erhalten Sie im Kurs KI 蹿眉谤 jedenvon DeepLearning.AI. In nur sechs Stunden lernen Sie die g盲ngige KI Terminologie kennen, erfahren, wie es ist, Machine Learning Projekte zu entwickeln, und erfahren, wie Sie gemeinsam mit einem KI Team eine KI Strategie 蹿眉谤 Ihren Arbeitsplatz entwickeln.

Um grundlegende KI Konzepte zu beherrschen und praktische F盲higkeiten im maschinellen Lernen zu entwickeln, melden Sie sich 蹿眉谤 die Spezialisierung Machine Learning von Stanford und DeepLearning.AI an. In nur zwei Monaten lernen Sie, wie Sie ML Modelle erstellen, Best Practices in der ML Entwicklung anwenden und sogar ein neuronales Netz aufbauen und trainieren.

Die Grundlagen des Deep Learning finden Sie in der Deep Learning Spezialisierung von DeepLearning.AI. In diesem Kurs 蹿眉谤 Fortgeschrittene lernen Sie unter anderem, wie Sie tiefe neuronale Netze aufbauen und trainieren, wichtige Architekturparameter identifizieren und Tests盲tze trainieren.

H盲ufig gestellte Fragen (FAQ)