Deep-Learning-Methoden basieren auf künstlichen neuronalen Netzwerken mit mehreren – sogenannten verborgenen – Schichten zwischen Eingabe- und Ausgabeschicht. Durch geeignete Wahl der Schichten und deren Verknüpfung ist die Auswertung großer Mengen komplexer oder ungenauer Eingangsdaten in einer Qualität möglich, die bisher dem menschlichen Gehirn vorbehalten oder überhaupt noch nicht realisierbar war.
Typische Anwendungsszenarien sind die Bild- und Spracherkennung, semantische Textanalyse, Voraussage von zeitlichen Entwicklungen, Bildung von Handlungsstrategien und vieles mehr.
Mit MicrosoftML und SQL Server R Services schafft Microsoft die Möglichkeit, Machine-Learning-Algorithmen nahe an der Datenquelle zu nutzen. Der Artikel zeigt anhand eines Beispielprojektes deren Anwendung. Eine Datenbank mit maßgeschneiderten künstlichen neuronalen Netzen auszustatten ist gar nicht so schwer, wie man vielleicht denkt.
