Fazit

Machine Learning ist ein möglicher Weg, mit dem man künstliche Intelligenz realisieren kann. Charmant an Machine Learning ist, dass der Computer selbstständig lernen kann. Hierzu benötigt er Trainings- und Testdaten und die für den jeweiligen Zweck geeigneten Algorithmen. Machine Learning selbst ist ein Sammelbegriff für eine Vielzahl von Algorithmen, die man einer der drei Hauptkategorien Supervised Learning, Unsupervised Learning und Reinforcement Learning zuordnen kann.

Stellenmarkt
  1. IT-Systemadministration (m/w/d) im Referat "ADV, Informations- und Kommunikationstechnik, Statistik" ... (m/w/d)
    Ministerium für Klimaschutz, Umwelt, Energie und Mobilität des Landes Rheinland-Pfalz, Mainz
  2. Projektleiter*in Digitalisierung
    Universitätsstadt MARBURG, Marburg
Detailsuche

Wenn man selbst Machine-Learning-Systeme entwickeln möchte, benötigt man Kenntnisse in drei Disziplinen. Erste Voraussetzung ist ein gewisses Niveau von Kenntnissen in dem Fachbereich, in dem man Machine Learning einsetzen will, um die Daten und Anwendungsfälle zu verstehen und die optimalen Machine-Learning-Algorithmen wählen zu können. Zweitens muss man Statistik im Allgemeinen und Machine-Learning-Algorithmen im Speziellen beherrschen. Und drittens Programmiersprachen und Frameworks, die bei Machine Learning zum Einsatz kommen.

Machine Learning eröffnet eine Vielzahl neuer Möglichkeiten für die Automatisierung und Digitalisierung in nahezu allen Bereichen von Wirtschaft und Alltag - seien es autonom fahrende Autos, intelligente Roboterstaubsauger oder gar Systeme, die fachliche Entscheidungen treffen, die bisher nur von geschulten Fachleuten getroffen werden konnten.

So ist es Machine-Learning-Systemen möglich, Schäden an Motoren anhand von Motorlaufgeräuschen oder Fotos zu erkennen. Oder bestimmte Krankheiten anhand von Symptomen, Bildern und anderen Messungen zu diagnostizieren.

Golem Akademie
  1. Ansible Fundamentals: Systemdeployment & -management: virtueller Drei-Tage-Workshop
    6.–8. Dezember 2021, Virtuell
  2. SAMBA Datei- und Domänendienste einrichten: virtueller Drei-Tage-Workshop
    7.–9. März 2022, Virtuell
Weitere IT-Trainings

Dennoch sollte man sich bewusst sein, dass selbst in Fällen, in denen der Computer bestimmte Aufgaben besser als ein Mensch erledigt, der Computer mit Machine-Learning-Algorithmen in den meisten Fällen nicht eleganter oder schlauer als der Mensch denkt, sondern dank großer Rechenleistung, insbesondere mittels Grafikkarten und Cloud Computing, mehr Falldaten als der Mensch erfassen und analysieren kann. Mit Ausnahme von Reinforcement-Learning-Algorithmen arbeiten die meisten Machine-Learning-Algorithmen, indem sie aus einer großen Anzahl bereits existierender Falldaten lernen. Dahinter steckt keine große Kreativität, sondern die Fähigkeit, anhand von einer Vielzahl von analysierten Falldaten aus der Vergangenheit die wahrscheinlich beste Entscheidung bei einem neuen Fall zu treffen.

Folgende Analogie - einer kleiner Scherz, der aber einen Funken Wahrheit in sich trägt - macht das deutlich: Wäre ein Machine Learning Algorithmus als Gast zu einer Weinprobe eingeladen und man fragte ihn, welchen Wein er am besten findet, so würde er fragen: "Welchen Wein fanden die anderen Gäste am besten?"

Miroslav Stimac ist Informatiker, promovierter Wirtschaftswissenschaftler und aktuell Teilzeitstudent der Astronomie. Er arbeitet seit 2004 als Entwickler mit branchenübergreifender Projekterfahrung, hauptsächlich in Business Intelligence, Data Science und Statistik. Seine fachlichen Interessenschwerpunkte sind Astronomie, Japanologie, Konsumforschung und Robotik.

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed
 Hund oder Katze?
  1.  
  2. 1
  3. 2
  4. 3
  5. 4
  6. 5


mg1993 15. Okt 2018

Der Artikel an für sich ist sehr interessant. Ich selbst studiere Informatik und schreibe...

a user 11. Okt 2018

Nein. Die Rechenkapazität unseres Gehirns schlägt um Welten die aller existierenden...

gelöscht 11. Okt 2018

vielen lieben dank für die ausführliche antwort!

a user 10. Okt 2018

Der Punkt ist ein anderer. Die Umsetzungen sind erst mit heutiger Technik möglich. Aber...

danh 09. Okt 2018

Theoretisch: Bilder einer Frontkamera in trainiertes neuronales Netz rein, am Ende kommen...



Aktuell auf der Startseite von Golem.de
Kanadische Polizei
Diebe nutzen Apples Airtags zum Tracking von Luxuswagen

Autodiebe in Kanada nutzen offenbar Apples Airtags, um Fahrzeuge heimlich zu orten.

Kanadische Polizei: Diebe nutzen Apples Airtags zum Tracking von Luxuswagen
Artikel
  1. Blender Foundation: Blender 3.0 ist da
    Blender Foundation
    Blender 3.0 ist da

    Die freie 3D-Software Blender bekommt ein Update - wir haben es uns angesehen.
    Von Martin Wolf

  2. 4 Motoren und 4-Rad-Lenkung: Tesla aktualisiert Cybertruck
    4 Motoren und 4-Rad-Lenkung
    Tesla aktualisiert Cybertruck

    Tesla-Chef Elon Musk hat einige Änderungen am Cybertruck angekündigt. Der elektrische Pick-up-Truck wird mit vier Motoren ausgerüstet.

  3. DSIRF: Hackerbehörde Zitis prüft österreichischen Staatstrojaner
    DSIRF
    Hackerbehörde Zitis prüft österreichischen Staatstrojaner

    Deutsche Behörden sind mit mehreren Staatstrojaner-Herstellern im Gespräch. Nun ist ein weiterer mit Sitz in Wien bekanntgeworden.

Du willst dich mit Golem.de beruflich verändern oder weiterbilden?
Zum Stellenmarkt
Zur Akademie
Zum Coaching
  • Schnäppchen, Rabatte und Top-Angebote
    Die besten Deals des Tages
    Daily Deals • Saturn-Advent: SanDisk Ultra 3D 1 TB 77€ • KFA2 Geforce RTX 3070 OC 8GB 1.019€ • Alternate (u. a. AKRacing Core SX 269,98€) • Sharkoon PureWriter RGB 44,90€ • Corsair K70 RGB MK.2 139,99€ • 2x Canton Plus GX.3 49€ • Gaming-Monitore günstiger (u. a. Samsung G3 27" 144Hz 219€) [Werbung]
    •  /