Definition

Was ist Machine Learning?

| Autor / Redakteur: Stefan Luber / 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.

eBook „Big Data Security und Artificial Intelligence“

BDI eBookKann mit Hilfe von Künstlicher Intelligenz (KI) oder Artificial Intelligence (AI) und Maschinellem Lernen (ML, Machine Learning) der Engpass an „menschlichen“ Security-Analysten reduziert und die Aufdeckung und Abwehr der IT-Sicherheitsvorfälle weitgehend automatisiert werden? 

eBook herunterladen »

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.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

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

Künstliche Intelligenz (KI) einfach erklärt – Beispiele & Anwendungen

Grundlagen

Künstliche Intelligenz (KI) einfach erklärt – Beispiele & Anwendungen

Künstliche Intelligenz (KI) versucht, intelligentes menschliches Verhalten nachzubilden. Durch die Technologie entstehen neue revolutionäre Einsatzmöglichkeiten. lesen

Dieses Potenzial haben Citizen Data Scientists

Kommentar von Hermann Hebben, Qunis

Dieses Potenzial haben Citizen Data Scientists

Unternehmen sind bereit für Big Data und Advanced Analytics, der Mangel an erfahrenen Data-Science-Experten erweist sich jedoch als ernstzunehmender Hemmschuh. Die neu entstehende Funktion des Citizen Data Scientist kann hier Abhilfe schaffen und Digitalisierungsprojekten zu einem Boost verhelfen. lesen

Maschinelles Lernen direkt auf dem eingebetteten System

Sensornahe KI

Maschinelles Lernen direkt auf dem eingebetteten System

Forscher des Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS haben eine sensornahe Künstliche Intelligenz für Mikrocontroller und eingebettete Systeme entwickelt, die ein voll konfigurierbares künstliches neuronales Netz umfasst. Hierbei steht nicht Big Data im Fokus, sondern Mikrointelligenz – beispielsweise für Handschriften- und Gestenerkennung. lesen

Big Data sicher und anonym für Forschungszwecke nutzen

Statice und M-sense kooperieren

Big Data sicher und anonym für Forschungszwecke nutzen

Der Softwarespezialist Statice und die Migräne- und Kopfschmerz-App M-sense befassen sich gemeinsam mit der Frage, wie man erhobene Daten sicher und datenschutzkonform zu Forschungszwecken nutzen kann. lesen

Information Builders aktualisiert WebFocus-Plattform

Containerisierung, KI und mehr

Information Builders aktualisiert WebFocus-Plattform

Mit neuen Containerisierungs-, IoT- und KI-Funktionen baut Information Builders seine Datenmanagement- und Analytics-Plattform WebFocus weiter aus. lesen

Industrie und Wissenschaft schließen sich für KI-Anwendungen zusammen

Maschinelles Lernen

Industrie und Wissenschaft schließen sich für KI-Anwendungen zusammen

Unternehmen und wissenschaftliche Institutionen haben in Magdeburg das „Centrum für Industrielle Intelligenz“ gegründet. Dort soll zukünftig an Künstlicher Intelligenz für den Einsatz in der Industrie geforscht werden. lesen

Studiengang verbindet KI, Machine Learning und Data Science

„Data Science and Artificial Intelligence“

Studiengang verbindet KI, Machine Learning und Data Science

Zum kommenden Wintersemester führt die Universität des Saarlandes den Bachelor- und Masterstudiengang „Data Science and Artificial Intelligence“ ein. Dabei dreht es sich anwendungsnah um die Bereiche KI, maschinelles Lernen, Data Science und Big Data. lesen

SAS fokussiert sich auf IoT, Cloud-Solutions und KI

Nachbericht SAS Forum 2019 Bonn

SAS fokussiert sich auf IoT, Cloud-Solutions und KI

Auf dem diesjährigen SAS Forum hat der Analytics-Spezialist seine Produkte „SAS Intelligent Decisioning“ und „SAS Analytics for IoT“ vorgestellt sowie „SAS Demand Planning“ angekündigt. Die neue Plattform Viya werde komplett im Kubernetes-Container laufen. Daher wird es künftig neue Preismodelle geben. lesen

IBM Db2 11.5 erhält KI-Ausstattung

Weniger Aufwand, mehr Flexibilität

IBM Db2 11.5 erhält KI-Ausstattung

IBMs Db2-Datenbank erhält ein Update auf Version 11.5. Mit an Bord: KI-Tools, um Data Management und Data Science auf einer Plattform zusammenzuführen, sowie Suchfunktionen in natürlicher Sprache. lesen

copyright

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