Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, in dem Algorithmen Muster aus Daten lernen, um Vorhersagen zu treffen oder Entscheidungen zu treffen, anstatt handcodierten Regeln zu folgen. Anstelle starrer Regeln analysieren Maschinen grosse Datenmengen, erkennen darin Muster, Beziehungen und Strukturen und verbessern ihre Leistung auf der Grundlage dieser Erfahrungen.
Künstliche neuronale Netze (KNN) sind eine spezielle Klasse von Modellen des maschinellen Lernens, die von der Struktur des menschlichen Gehirns inspiriert sind. Sie bestehen aus miteinander verbundenen „Neuronen“, die in Schichten angeordnet sind. Sie bilden das Rückgrat des maschinellen Lernens, indem sie komplexe Muster in grossen Datenmengen erkennen und so zahlreiche Anwendungen ermöglichen.
