Einleitung:
Der Mensch sucht ständig nach Wegen, die Produktivität zu steigern und dabei weniger menschliche Arbeitskräfte einzusetzen. Heute ist das Zeitalter der Maschine. Es gibt verschiedene Arten von Maschinen, die wir im Alltag nutzen, um unsere Aufgaben effizienter zu erledigen. Angenommen, Sie haben alle Ihre früheren Geschäftsunterlagen auf Ihrem PC gespeichert. Ihr Computer kann anhand von Mustern und Algorithmen aus früheren Unterlagen lernen und sich anpassen. Ohne ausdrückliche Befehle untersucht Ihr Computer frühere Daten und leitet daraus Schlüsse ab, wobei er künftige Ergebnisse auf Grundlage der vorhandenen Aufzeichnungen vorhersagt. All das ist dank Machine Learning möglich.
Was ist Machine Learning?
Es ist der Einsatz künstlicher Intelligenz, der es dem System ermöglicht, durch Erfahrung zu lernen und sich zu verbessern, ohne ausdrücklich programmiert zu werden. Das ist im Grunde ein System, das aus Daten lernen, Muster erkennen und mit wenig bis gar keiner menschlichen Mitwirkung Entscheidungen treffen kann.
Was ist die Hintergrundgeschichte des Machine Learning?
Alan Turing entwickelte 1950 den Turing-Test. Alan Turing war ein britischer Mathematiker und Informatiker, der sowohl klug als auch einflussreich war. Dieser Test wurde entwickelt, um festzustellen, ob eine Maschine die Intelligenz eines Menschen besaß.
Wer hat Machine Learning erfunden?
Viele Menschen haben zur Weiterentwicklung des Machine Learning beigetragen, aber Arthur Samuel, ein Informatiker bei IBM, prägte 1952 den Begriff „Machine Learning“.
Was ist der Zweck von Machine Learning?
Das Ziel von Machine Learning ist es, Muster in Ihren Daten zu erfassen oder zu finden und auf Grundlage dieser in der Regel komplexen Muster Schätzungen vorzunehmen, um Geschäftsprobleme zu lösen. Muster und Strukturen bestimmen und analysieren, die bei der Lösung von Problemen helfen.
In Unternehmen und anderen Branchen ist Machine Learning im Wesentlichen eine Datenanalysetechnologie, die funktioniert, indem sie den Prozess der Erstellung von Datenmodellen automatisiert.
Wie funktioniert Machine Learning?
Wie viele Arten von Machine Learning gibt es?
Es gibt vier Arten von Machine Learning.
Überwachtes Lernen:
Bei dieser Art von Machine Learning liefern Data Scientists den Algorithmen gekennzeichnete Trainingsdaten und legen die Variablen fest, zwischen denen der Programmierer Zusammenhänge suchen soll. Sowohl die Eingabe als auch die Ausgabe des Algorithmus werden bereitgestellt.[1]
Unüberwachtes Lernen:
Bei dieser Art von Machine Learning werden Algorithmen verwendet, die mit nicht gekennzeichneten Daten trainieren. Der Programmierer sucht in Datensätzen nach relevanten Zusammenhängen. Die Daten, mit denen Algorithmen trainiert werden, sowie die Vorhersagen oder Empfehlungen, die sie liefern, sind vordefiniert.[1]
Teilüberwacht:
Diese Methode des Machine Learning kombiniert die beiden vorherigen Methoden. Obwohl Data Scientists einem Algorithmus überwiegend „Trainingsdaten“ liefern können, darf das Modell die Daten selbstständig erkunden und sich sein eigenes Verständnis des Datensatzes aufbauen.[1]
Bestärkendes Lernen:
Bestärkendes Lernen wird von Data Scientists im Allgemeinen genutzt, um einer Maschine beizubringen, ein mehrstufiges Verfahren mit klar definierten Kriterien auszuführen. Data Scientists trainieren einen Algorithmus, eine Aufgabe zu erfüllen, und geben ihm positive oder negative Signale, während er herausfindet, wie die Aufgabe zu beenden ist. Meistens wählt der Algorithmus jedoch selbst, welche Aktionen er auf dem Weg ausführt.[1]
Welche Vorteile bietet Machine Learning?
- Automatisierung von allem
- Erkennung von Trends und Mustern
- Breites Anwendungsspektrum
- Verbesserungspotenzial
- Effiziente Datenverarbeitung
- Am besten für Bildung und Online-Shopping
Was sind die Nachteile von Machine Learning?
- Möglichkeit hoher Fehlerquoten
- Algorithmusauswahl
- Datenerfassung
- Zeit und Speicherplatz
Fazit:
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es ist ein System, in dem Computer eine riesige Datenmenge nutzen und mithilfe von Algorithmen „selbst trainieren“ und Vorhersagen treffen, ohne auf ausdrückliche Programmierung angewiesen zu sein. Machine Learning ist schlicht eine Datenanalysetechnik, die funktioniert, indem sie die Entwicklung von Datenmodellen in Unternehmen und anderen Bereichen automatisiert.
- Burns, E.machine learning. Verfügbar unter: https://www.techtarget.com/searchenterpriseai/definition/machine-learning-ML.
Arten von Machine Learning
| Typ | Lernt aus | Beispiel |
|---|---|---|
| Überwacht | Gekennzeichnete Beispiele | Spam-Erkennung, Preisprognose |
| Unüberwacht | Nicht gekennzeichnete Daten | Kundensegmentierung |
| Teilüberwacht | Wenige Labels + viele unmarkierte Daten | Bildklassifizierung mit begrenzten Labels |
| Verstärkend | Belohnungen für Aktionen | Spiele, Robotik |
Machine Learning, das Sie bereits nutzen
E-Mail-Spamfilter, Verkehrsprognosen in Karten, Video- und Einkaufsempfehlungen, Sprachdiktat und Gesichtsentsperrung beruhen alle auf Machine Learning.
Machine Learning vs. KI vs. Deep Learning
KI ist das übergeordnete Ziel intelligenter Maschinen; Machine Learning ist der Ansatz, aus Daten zu lernen; Deep Learning nutzt vielschichtige neuronale Netze. Siehe Was ist künstliche Intelligenz.
