Deep Learning lernen: Vom Hype 2019 zu Studiengängen und Kursen heute

Was Deep Learning bedeutet

Klassische Software folgt Regeln, die Menschen formuliert haben. Aufgaben wie Gesichter erkennen oder Sprache verstehen lassen sich aber kaum in Regeln fassen – wir lösen sie intuitiv. Deep Learning dreht das Vorgehen um: Ein Modell bekommt Beispiele und lernt daraus hierarchische Merkmale, von einfachen Kanten bis zu abstrakten Konzepten. „Tief“ meint die vielen Schichten dieser Hierarchie. Neu ist die Idee nicht – künstliche Neuronen wurden in den 1940er-Jahren beschrieben, das Backpropagation-Verfahren wurde in den 1980ern populär; erst die Rechenleistung und die Datenmengen der 2010er-Jahre machten beides praktisch nutzbar.

Was sich seit 2019 geändert hat

Die Transformer-Architektur von 2017 hat das Feld binnen weniger Jahre umgebaut: Große Sprachmodelle, generative Bild- und Audiomodelle und KI-Assistenten im Büroalltag bauen darauf auf. Damit hat sich auch verschoben, was Arbeitgeber erwarten – neben dem Modellbau zählen heute Datenkompetenz, der sichere Umgang mit KI-Werkzeugen und ein Verständnis der Regeln. In der EU gilt seit 2024 die KI-Verordnung, deren Pflichten schrittweise greifen; wer KI im Unternehmen einsetzt, sollte ihre Risikoklassen kennen. Kurse dazu bündeln die Bereiche EU AI Act & KI-Recht und KI-Grundlagen & KI-Kompetenz.

Der Einstieg: Mathematik, Python, ein gutes Buch

Der Zugang führt über lineare Algebra, Analysis und Wahrscheinlichkeitsrechnung sowie über Python mit seinen Bibliotheken. Als Standardwerk gilt weiterhin „Deep Learning“ von Ian Goodfellow, Yoshua Bengio und Aaron Courville (MIT Press 2016, deutsche Ausgabe 2018) – anspruchsvoll, aber vollständig; für den praktischen Start eignen sich Bücher und Kurse zu Keras, PyTorch und TensorFlow. Videokurse für genau diesen Einstieg sammeln die Bereiche Deep Learning & Neuronale Netze und Data Science & Machine Learning – Marktplatzkurse ohne staatliche Zulassung, gut zum Ausprobieren, kein Abschluss.

Studium oder Kurs?

Wer Deep Learning beruflich betreiben will, kommt an einem Studium mit mathematischem Fundament kaum vorbei: Data-Science-Bachelor und -Master sowie ein Bachelor in Angewandter Künstlicher Intelligenz laufen an mehreren Fernhochschulen vollständig online, teils auch dual oder in Präsenz. Wer Python und Machine Learning zunächst berufsbegleitend ausprobieren möchte, findet staatlich zugelassene Fernlehrgänge mit institutsinternem Zertifikat. Die Themenseiten Künstliche Intelligenz, Machine Learning und Data Science sammeln alle Angebote im Verzeichnis; der Bereich Data Science & KI ordnet sie nach Abschluss.

Häufige Fragen

Brauche ich ein Informatikstudium für Deep Learning?

Nicht zwingend, aber ein mathematisch-technisches Fundament. Viele Data-Science-Studiengänge nehmen Quereinsteiger mit Hochschulzugang auf; ohne Grundlagen in Statistik und Programmierung wird der Einstieg zäh.

Ist Deep Learning dasselbe wie Künstliche Intelligenz?

Nein. Künstliche Intelligenz ist der Oberbegriff, maschinelles Lernen ein Teilgebiet davon und Deep Learning wiederum ein Teilgebiet des maschinellen Lernens – die Variante mit vielschichtigen neuronalen Netzen.

Reicht ein Videokurs, um in dem Feld zu arbeiten?

Für einen ersten Einstieg ja, als Qualifikation nicht. Arbeitgeber achten auf nachweisbare Projekte und meist auf einen Abschluss; Marktplatzkurse enden mit einer Teilnahmebescheinigung.