Definitie
Deep learning is een subdiscipline van machine learning die gebruikmaakt van meerlaagse kunstmatige neurale netwerken om patronen te leren uit grote datasets. Het blinkt uit in taken zoals beeldherkenning, spraak- en natuurlijke taalverwerking.
Doel
Het doel is om automatisch kenmerken en representaties uit ruwe data te leren zonder dat er veel handmatige feature engineering aan te pas komt. Dit maakt doorbraken in AI-prestaties mogelijk.
Belang
- Biedt geavanceerde AI voor beeld, spraak en NLP.
- Vereist grote datasets en computerbronnen.
- Minder interpreteerbaar vergeleken met traditionele ML-methoden.
- Stimuleert zowel academisch onderzoek als commerciële toepassingen.
Hoe het werkt
- Definieer netwerkarchitectuur met meerdere verborgen lagen.
- Voer invoergegevens in en verspreid deze via het netwerk.
- Vergelijk de rekenfouten met de grondwaarheid.
- Backpropagate-fouten om gewichten bij te werken.
- Herhaal de training totdat de nauwkeurigheid stabiel is.
Voorbeelden (echte wereld)
- Google Translate: gebruikt diepe neurale netwerken voor machinevertaling.
- AlphaFold (DeepMind): voorspelling van eiwitstructuur met deep learning.
- Tesla Autopilot: diepe neurale netwerken voor zicht bij zelfrijdende auto's.
Referenties / Verder lezen
- Diep leren — Goodfellow, Bengio & Courville (MIT Press).
- “ImageNet-classificatie met diepe CNN’s” — Krizhevsky et al., NeurIPS 2012.
- Stanford CS231n: Convolutionele neurale netwerken voor visuele herkenning.
