Wenn z. B. eine gro\u00dfe Auswahl an Personen uns den Namen ihres Lieblingsfilms mitteilt, dann kann der Computer die Gemeinsamkeiten zwischen all diesen Filmen finden.<\/strong> Der Computer wird dann Vorschl\u00e4ge machen und erkl\u00e4ren, wie er zu diesen Ergebnissen gekommen ist. Zum Beispiel: „Diejenigen, die romantische Filme im Allgemeinen m\u00f6gen, m\u00f6gen keine Horrorfilme. Daf\u00fcr werden sie Filme lieben, in denen die gleichen Schauspieler mitspielen“.<\/p>\n Mit anderen Worten: Maschinelles Lernen<\/a> ist eine Form der k\u00fcnstlichen Intelligenz, die auf mathematischen und statistischen Konzepten beruht und es dem Computer erm\u00f6glicht, aus Daten zu lernen und nicht durch explizite Programmierung.<\/p>\n Maschinelles Lernen (engl. machine learning)<\/a> wird auch als maschinelles Lernen oder k\u00fcnstliches Lernen bezeichnet. Techniken des maschinellen Lernens sind wichtig, damit die Prognosen der Maschine so genau wie m\u00f6glich sind. Denn es gibt viele verschiedene Ans\u00e4tze, die sich je nach Kategorie und Menge der Daten \u00e4ndern<\/p>\n Im Allgemeinen besteht maschinelles Lernen aus zwei Phasen:<\/p>\n Die visuelle Erkennung ist das h\u00e4ufigste Beispiel f\u00fcr die Anwendung von Machine Learning<\/a>. Dazu geh\u00f6ren z. B. die Erkennung eines Tieres in einem Foto, die Erkennung von Bankbetrug oder ein autonomes Fahrzeug von Google.<\/p><\/blockquote>\n Visuelle Erkennung<\/strong> ist das h\u00e4ufigste Beispiel f\u00fcr die Anwendung von Machine Learning. Beispiele hierf\u00fcr sind die Erkennung eines Tieres in einem Foto, die Erkennung von Bankbetrug oder ein autonomes Fahrzeug von Google.<\/p>\n Je nachdem, welche Informationen w\u00e4hrend der Lernphase zur Verf\u00fcgung stehen, wird das Lernen unterscheidbar qualifiziert.<\/strong> Wenn die Daten mit einem Etikett versehen sind, spricht man von \u00fcberwachtem Lernen. In dem Fall, dass die Daten nicht gekennzeichnet sind, handelt es sich um un\u00fcberwachtes Lernen. Maschinelles Lernen kann bei vielen verschiedenen Datentypen eingesetzt werden: z. B. bei Graphen, Kurven oder Merkmalsvektoren.<\/p>\n Beim \u00fcberwachten Lernen<\/a> funktioniert der Algorithmus des maschinellen Lernens, indem die Maschine vom Beginn des Lernens an bereits definierte Eingabe- und Ausgabedaten hat. Der Algorithmus ist in der Lage, diese Beispiele zu studieren, zu verstehen und ein Vorhersagemodell zu erstellen, das dann die neuen Daten verarbeiten kann.<\/a><\/p>\n Um diese Vorhersagemodelle zu erstellen, wird beim \u00fcberwachten Lernen die Klassifizierung verwendet. Klassifizierung bedeutet, dass man die Gesamtheit der gelieferten Daten nach ihren Merkmalen identifizieren und kategorisieren kann. Daher wird die Klassifizierung vor allem im digitalen Bereich<\/strong>, in der Medizin<\/a> und im Bankwesen verwendet. Ein g\u00e4ngiges Beispiel f\u00fcr Klassifizierung ist die automatische Klassifizierung zwischen E-Mails, um E-Mails von interessanten Quellen von denen zu trennen, die als Spam betrachtet werden.<\/p>\n Als Beispiel wird das \u00fcberwachte Lernen auch sehr h\u00e4ufig bei Regressionstechniken eingesetzt. Mit dieser Technik k\u00f6nnen kontinuierliche Variablen vorhergesagt werden :<\/p>\n Durch das \u00fcberwachte Lernen eines Datenmodells kann die Maschine verschiedene Datenvariationen wie z. B. Temperatur\u00e4nderungen vorhersagen.<\/p>\n Im Gegensatz zum \u00fcberwachten Lernen<\/strong> hat das un\u00fcberwachte Lernen<\/a> viele Eingabedaten, aber keine Ausgabedaten: Die Antworten sind nicht festgelegt. Zum un\u00fcberwachten Lernen geh\u00f6rt auch die Clustertechnik.<\/p>\n Liora misst dem maschinellen Lernen<\/strong> gro\u00dfe Bedeutung bei und setzt es als eines der Module ein, die in seinen Kursen gepr\u00fcft werden.<\/p>\n Insbesondere wird in der Weiterbildung zum Data Analyst und Data Scientist<\/a> ein 75-st\u00fcndiges Modul dem Machine Learning gewidmet.<\/p>\n In der Weiterbildung zum Data Engineer<\/a> und im 80-st\u00fcndigen Big Data-Modul musst du lernen, Machine Learning-Algorithmen auf einem Cluster von Maschinen mit PySpark zu trainieren<\/a>. In der Weiterbildung zum Data Manager wird im Modul Data Literacy verlangt, dass der Lernende in der Lage ist, die Methode des Machine Learning f\u00fcr den jeweiligen Beruf auszuw\u00e4hlen.<\/p>\nWie funktioniert maschinelles Lernen?<\/h3>\n
\n
Maschinelles Lernen bei Liora<\/h3>\n