DL (Tiefes Lernen oder Deep Learning) ist ein spezialisierter und hochentwickelter Zweig des maschinellen Lernens (ML), der auf künstlichen neuronalen Netzwerken basiert. Tiefes Lernen kann Muster in Daten erkennen und interpretieren, indem es durch verschiedene Ebenen der Datenanalyse und Interpretation geht, die als „Schichten“ bezeichnet werden.
In einem tiefen Lernmodell repräsentiert jede Schicht eine unterschiedliche Art der Manipulation oder Transformation der Daten. Die „tiefe“ in „Tiefes Lernen“ bezieht sich auf die Anzahl der Schichten in diesen neuronalen Netzwerken. Tiefes Lernen kann aus vielen Schichten bestehen, wobei jede Schicht komplexere Merkmale als die vorherige lernt.
Ein zentraler Aspekt des Tiefen Lernens ist, dass es in der Lage ist, komplexe Muster in großen Datenmengen zu lernen und zu erkennen. Es ist das Kernwerkzeug hinter vielen Technologien, die wir heute nutzen, wie Spracherkennung, Bilderkennung, natürliche Sprachverarbeitung, und mehr.
Tiefes Lernen wird oft mit Technologien wie Convolutional Neural Networks (CNNs) für Bilderkennungsaufgaben, Recurrent Neural Networks (RNNs) für sequenzielle Daten wie Text oder Zeitreihen, und Transformer-Modellen für komplexe NLP-Aufgaben in Verbindung gebracht.