Warum Deep Learning VERSUS Machine Learning?

2 Antworten

Vom Fragesteller als hilfreich ausgezeichnet

Bedeutung von versus:

im Vergleich zweier Ideen/Phrasen die sich gegenüberstehen: während, versus

Quelle: https://de.wiktionary.org/wiki/versus#Konjunktion

Man vergleicht also die beiden Lernarten, wobei Deep Learning eine Spezialform von Machine Learning ist, d.h. die traditionellen Verfahren des Machine Learning werden mit dem speziellen Deep Learning verglichen.

Deep Learning ist eine Unterkategorie von Machine Learning.

Machine Learning ist erstmal nichts weiter, als Algorithmen, die eigenständig lernen und sich selbst optimieren um ein Problem zu lösen. Dazu braucht es keine expliziten Code-Anweisungen durch einen Programmierer, sondern es werden Hypothesen im Sinne der Inferenzstatistik gelernt. Das Modell lernt, Schlussfolgerungen auf Basis der gegebenen Inputs zu bilden. Im Kontext von Supervised Learning oder Reinforcement Learning also die Schätzung numerischer oder diskreter Werte.

Deep Learning ist nichts weiter, als dass dafür sogenannte tiefe neuronale Netze eingesetzt werden. Diese haben verborgene Neuronenlayer zwischen Input und Outputschicht. Auf diese Weise können beliebig komplexe Funktionen angenähert werden.

Hat man z.B. ein Klassifizierungsproblem, wo Tierfotos kategorisiert werden sollen: Landtier vs. Wassertier. Dann kann man dazu klassische ML-Verfahren ohne tiefe neuronale Netze wie z.B. Random-Forest-Classifier ODER eben Deep Learning Techniken einsetzen. Es gibt auch Hybridmethoden, wo klassische ML-Techniken während des Trainings bzw. innerhalb der Trainingspipeline für ein Deep Learning Modell eingesetzt werden. Klassischer Fall: Dimensionsreduktion durch Unsupervised Techniken oder Semi-Supervised-Techniken.

Man könnte natürlich auch sagen Machine Learning AND Machine Learning. Je nachdem im welchem Kontext du das aussagst. Bspw.

Ich bin Experte für Machine Learning und Deep Learning

Wenn du ML-Methoden benchmarken möchtest, verwendest du halt "VERSUS".

Woher ich das weiß:Studium / Ausbildung – Studium (M.Sc., Dr.) und mehrjährige Berufserfahrung