Definition

Was ist Machine Learning?

| Autor / Redakteur: Tutanch / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Machine Learning, im Deutschen maschinelles Lernen, ist ein Teilgebiet der künstlichen Intelligenz. Durch das Erkennen von Mustern in vorliegenden Datenbeständen sind IT-Systeme in der Lage, eigenständig Lösungen für Probleme zu finden.

Machine Learning ist ein Teilbereich der künstlichen Intelligenz. Mithilfe des maschinellen Lernens werden IT-Systeme in die Lage versetzt, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und Lösungen zu entwickeln. Es wird quasi künstliches Wissen aus Erfahrungen generiert. Die aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und für neue Problemlösungen oder für die Analyse von bisher unbekannten Daten verwenden.

Damit die Software eigenständig lernen und Lösungen finden kann, ist ein vorheriges Handeln von Menschen notwendig. Beispielsweise müssen die Systeme zunächst mit den für das Lernen relevanten Daten und Algorithmen versorgt werden. Zudem sind Regeln für die Analyse des Datenbestands und das Erkennen der Muster aufzustellen. Sind passende Daten vorhanden und Regeln definiert, können Systeme mit maschinellem Lernen unter anderem folgendes:

  • Relevante Daten finden, extrahieren und zusammenfassen,
  • Vorhersagen auf Basis der analysierten Daten treffen,
  • Wahrscheinlichkeiten für bestimmte Ereignisse berechnen,
  • sich an Entwicklungen eigenständig anpassen und
  • Prozesse auf Basis erkannter Muster optimieren.

Die verschiedenen Arten des Machine Learnings

Algorithmen nehmen beim maschinellen Lernen eine zentrale Rolle ein. Sie sind für das Erkennen von Mustern und das Generieren von Lösungen verantwortlich und lassen sich in verschiedene Lernkategorien einteilen.

  • überwachtes Lernen
  • unüberwachtes Lernen
  • teilüberwachtes Lernen
  • bestärkendes Lernen
  • aktives Lernen

Während beim überwachten Lernen im Vorfeld Beispielmodelle definiert und spezifiziert werden müssen, um die Informationen passend den Modellgruppen der Algorithmen zuzuordnen, werden die Modellgruppen beim unüberwachten Lernen automatisiert aufgrund eigenständig erkannter Muster gebildet.

Teilüberwachtes Lernen stellt eine Mischung aus beiden Methoden dar. Das bestärkende Lernen basiert auf Belohnungen und Bestrafungen. Dem Algorithmus wird durch diese Interaktion mitgeteilt, wie er auf verschiedene Situationen zu reagieren hat. Diese Lernweise ist dem menschlichen Lernen sehr ähnlich.

Aktives Lernen schließlich bietet dem Algorithmus die Möglichkeit, für bestimmte Eingangsdaten die gewünschten Ergebnisse zu erfragen. Um die Anzahl von Fragen zu minimieren, erfolgt zuvor eine Auswahl relevanter Fragen mit hoher Ergebnisrelevanz durch den Algorithmus selbst.

Abhängig vom jeweiligen System kann die Datenbasis offline oder online vorliegen und wiederholbar oder nur einmalig für das maschinelle Lernen zur Verfügung stehen. Ein weiteres Unterscheidungsmerkmal des Machine Learnings ist das gleichzeitige Vorhandensein der Ein- und Ausgabe-Paare oder deren zeitlich versetzte Entwicklung. Je nach Art spricht man vom Batch-Lernen oder vom sequenziellen Lernen.

Anwendungsbeispiele für das Machine Learning

Machine Learning hat ein sehr großes Spektrum an Anwendungsmöglichkeiten. Im Internetumfeld kommt maschinelles Lernen beispielsweise für folgende Funktionen zum Einsatz:

  • selbstständiges Erkennen von Spam-Mails und Entwicklung geeigneter Spam-Filter
  • Sprach- und Texterkennung für digitale Assistenten
  • Bestimmung der Relevanz von Webseiten für Suchbegriffe
  • Erkennung und Unterscheidung der Internetaktivität von natürlichen Personen und Bots

Weitere Anwendungsbereiche des maschinellen Lernens sind die Bild- und Gesichtserkennung, automatische Empfehlungsdienste oder die automatische Erkennung von Kreditkartenbetrug.

Big Data als Treiber des maschinellen Lernens

Durch die Entwicklung im Bereich der Big-Data-Technik hat auch das maschinelle Lernen einen enormen Schub erhalten. Da beim Machine Learning große Datenmengen vorhanden sein und effizient bearbeitet werden müssen, bilden Big-Data-Systeme die ideale Basis für diese Art des Lernens. Es lässt sich mithilfe von Big Data sowohl strukturiert als auch unstrukturiert vorliegende Daten schnell und mit relativ geringem Hardwareaufwand analysieren und den Lernalgorithmen zuführen. Für das maschinelle Lernen kommen verteilte Rechnerstrukturen und besonders schnell arbeitende Datenbanksysteme zum Einsatz. Ebenfalls genutzt werden künstliche neuronale Netze, die nach dem Vorbild des menschlichen Gehirns funktionieren.

Ein umfassendes Special inklusive multimedialer Online-Kurse zum Thema „Machine Learning“ finden Sie bei unserem Partnerportal Maschinenmarkt.de.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Hoher Bedarf trifft auf mangelndes Anwenderwissen

KI-Einsatz in der Logistik

Hoher Bedarf trifft auf mangelndes Anwenderwissen

Wie eine Studie von Inform zeigt, ist künstliche Intelligenz (KI) für 80 Prozent der befragten Logistiker ein wichtiges Zukunfts- und Innovationsthema. Allerdings fehlt es gleichzeitig bei drei Viertel der Teilnehmer an Know-how, Investitionskraft oder IT-Infrastruktur. lesen

Diese Vorteile bieten Memory-zentrierte Architekturen

Kommentar von Abe Kleinfeld, GridGain Systems

Diese Vorteile bieten Memory-zentrierte Architekturen

Digitale Transformation, Omnichannel-Marketing oder die Umsetzung gesetzlicher Regularien: Viele bedeutende unternehmerische Vorhaben umfassen heutzutage Web-Anwendungen, IoT-Projekte oder mobile Applikationen. Jede dieser geschäftskritischen Aktivitäten erfordert jedoch eine Infrastruktur mit Echtzeitgeschwindigkeit und massiver Skalierbarkeit. Dafür setzen immer mehr Unternehmen auf In-Memory Computing (IMC). lesen

Der Markt für die Datenintegration

Gartner Magic Quadrant für Data Integration Tools und Enterprise Integration Platform as a Service

Der Markt für die Datenintegration

Die Datenberge wachsen unaufhörlich, gleichzeitig verändern sich die Art und Qualität der Daten sowie ihr Aufenthaltsort laufend. In Zeiten von Multi- und Hybrid Cloud müssen Unternehmen eine Datenintegrationsstrategie verfolgen, die neben erweiterten Funktionen zur Hybrid-Integration auch zentralisiertes Data Governance für Advanced Analytics bietet. lesen

Hard-und Software-Bundle für Hadoop und Deep Learning

Dell EMC Ready Solutions für KI

Hard-und Software-Bundle für Hadoop und Deep Learning

Mithilfe der „Dell EMC Ready Solutions für KI“ sollen Unternehmen ihre KI-Umgebungen nicht mehr in einzelnen Komponenten beschaffen und zusammenfügen müssen. Stattdessen könnten sie sich auf ein von Dell EMC entwickeltes und validiertes Paket von Best-of-Breed-Software verlassen – einschließlich KI-Frameworks und -Bibliotheken sowie den benötigten Rechen-, Netzwerk- und Speicherkapazitäten. lesen

Daten gehören zum wichtigsten Kapital eines Unternehmens

Kommentar von Benjamin Krebs, Dell EMC

Daten gehören zum wichtigsten Kapital eines Unternehmens

Die Digitale Transformation verändert die Welt. Experten prognostizieren, dass in den nächsten drei Jahren die Hälfte der globalen Wertschöpfung digital entsteht. Der Einsatz von Daten und die Behandlung von Daten als Unternehmenskapital treiben diesen Wandel entscheidend voran. Durch die Fähigkeit, Daten gezielt für das eigene Geschäft zu nutzen, werden sich die Gewinner von den Verlierern unterscheiden. lesen

Mit Künstlicher Intelligenz profitable Geschäfte machen

Mensch, Prozesse, Technologie

Mit Künstlicher Intelligenz profitable Geschäfte machen

Der erfolgreiche Einsatz Künstlicher Intelligenz im Unternehmen beginnt mit Menschen und Geschäftsprozessen – erst danach kommt die Technologie. Vor der Einführung entsprechender Lösungen sollten Führungskräfte eine Vision entwickeln, wie KI ein profitables Geschäft antreiben kann. lesen

KI-Konferenz für Software Developer

WeAreDevelopers erwartet 2000 Entwickler in Wien

KI-Konferenz für Software Developer

Unter dem Motto „People – Code – AI“ hält WeAreDevelopers eine Konferenz zu Künstlicher Intelligenz in Wien ab. Namhafte Entwickler und IT-Experten berichten dort über aktuelle Trends in den Bereichen Machine Learning und Artificial Intelligence. lesen

So kommen Sie mit den passenden Algorithmen zum Ziel

Machine Learning

So kommen Sie mit den passenden Algorithmen zum Ziel

Einfache Algorithmen sind das tägliche Brot vieler Programmierer. Wer etwa eine Software erstellt, die den Preis eines Hauses basierend auf der Größe ausgibt, schreibt normalerweise einen Algorithmus, der abhängig vom Input (Hausgröße) einen bestimmten Output (Preis) berechnet. Wenn es um Machine Learning geht, steigen die Anforderungen an die Programmierung und die Mathematik. lesen

Diese neuen Jobs bringt die Digitalisierung

Von CDO über Cloud und Blockchain Architect bis Data Scientist

Diese neuen Jobs bringt die Digitalisierung

Essenziell für den Erfolg des digitalen Wandels im Unternehmen sind qualifizierte Mitarbeiter. Daher steigt die Nachfrage nach entsprechendem Fachpersonal weiter an, doch auch immer mehr neue Jobprofile sind gefragt: Chief Digital Officers oder – allen voran – Data Scientists sind auf dem Vormarsch. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44588634 / Definitionen)