Neurale netværk og deep learning

Computerspace · FGU · AI og fremtidsteknologi

🕸️ Hvad er neurale netværk og deep learning?

Neurale netværk er ML-modeller inspireret af den menneskelige hjerne.

Opbygning:

• Neuroner: Små beregningsenheder (som hjerneceller)
• Lag (layers): Neuroner organiseret i lag
• Input-lag: Modtager data (f.eks. pixels i et billede)
• Skjulte lag: Bearbejder data (finder mønstre)
• Output-lag: Giver resultatet (f.eks. "det er en kat")
• Vægte: Tal der bestemmer forbindelsernes styrke

Deep learning = neurale netværk med mange skjulte lag (dybt netværk).

Typer af neurale netværk:

• CNN (Convolutional Neural Network): Specialiseret i billeder
• RNN (Recurrent Neural Network): Specialiseret i sekvenser (tekst, tale)
• Transformer: Den nyeste arkitektur bag ChatGPT og moderne AI

---

🎯 Hvorfor er det vigtigt?

• Bag alle store AI-gennembrud – billeddgenkendelse, tale, tekst
• Forstå moderne AI – ChatGPT, DALL-E, selvkørende biler bruger deep learning
• Karriere: Deep learning er det hotteste felt i tech

---

🔧 Sådan trænes et neuralt netværk

1. Data sendes ind gennem input-laget

2. Hvert neuron beregner et resultat og sender det videre

3. Output sammenlignes med det korrekte svar

4. Backpropagation: Vægtene justeres for at reducere fejlen

5. Gentages tusindvis af gange med nye data

6. Netværket bliver gradvist bedre

---

🎓 Læringsmål for Neurale netværk og deep learning

Læringsmål

• Forklare hvad et neuralt netværk er
• Beskrive opbygningen med input, skjulte lag og output
• Forstå hvad deep learning er
• Kende forskellen på CNN, RNN og Transformer
• Forstå grundprincippet i træning af neurale netværk

Sådan kan du arbejde med emnet

• Hvad er forskellen på et neuralt netværk og deep learning?
• Hvad er en Transformer?
• Hvordan trænes et neuralt netværk?
• Hvorfor er deep learning så populært?

⚠️ Typiske fejl at undgå

• Tror neurale netværk fungerer som hjernen – det er kun inspireret af den
• Tror "dybere" altid er bedre – for mange lag kan give problemer
• Glemmer datamængder – deep learning kræver MANGE data

---

💡 Tips til at komme i gang

• Visualisér – tegn et simpelt netværk med 3 lag
• Prøv TensorFlow Playground – interaktivt værktøj til at se neurale netværk i aktion
• Tænk i lag – hvert lag finder mere komplekse mønstre