2.3.3 Künstliche Intelligenz und maschinelles Lernen Flashcards
Maschinelles Lernen - allgemein
- Teilgebiet der KI
- Für Unternehmen aktuell die relevanteste und am meisten eingesetzte Technologie innerhalb der KI
Maschinelles Lernen - Definition
- Disziplin der KI
- in der Verfahren und Algorithmen entwickelt werden,
- die Zusammenhänge in Daten analysieren und verallgemeinern,
- um Modelle für Vorhersagen oder automatisiertes Entscheiden abzuleiten
Maschinelles Lernen - Fähigkeiten
basierend auf vergangenen Daten:
* eigenständig Muster zu identifizieren
* Regeln zu lernen
-> sich dadurch selbstständig zu verbessern
Verfahren des maschinellen Lernens
- überwachtes Lernen
- unüberwachtes Lernen
- verstärkendes Lernen
Das überwachte Lernen (supervised learning) - allgemein
- am häufigsten angewandten Art des Lernens
- ähnelt dem Lernprozess des Menschen
Das überwachte Lernen (supervised learning) - Lernweise
Algorithmus werden im Lernprozess beschriftete Daten vorgegeben, mit denen er trainiert wird
Das überwachte Lernen (supervised learning) - Überprüfung
durch Testdatensatz
Das unüberwachte Lernen (unsupervised Learning) - Funktionsweise
- Algorithmus wird nichts vorgegeben (unbeschriftete Daten)
- Algorithmus soll selbstständig Muster aus den Daten erkennen und diese entsprechend anwenden
Das unüberwachte Lernen (unsupervised Learning) - Anwendung
wenn keine guten beschrifteten Daten zur Verfügung stehen
Das unüberwachte Lernen (unsupervised Learning) - Chance/Risiko
Ergebnisse können sich von den erwarteten Ergebnissen der Programmierer unterscheiden
-> sowohl Chance als auch Risiko
Das verstärkende Lernen (reinforcement learning) - Ziel
optimale Strategie soll für ein gegebenes Problem erlernt werden
Das verstärkende Lernen (reinforcement learning) - Funktionsweise
- Algorithmus enthält keine explizite Anleitung darüber, welcher Schritt zu welchem Zeitpunkt der bestmögliche ist
- ihm werden auf bestimmte Aktionen Rückmeldungen gegeben (Belohnungen oder Strafen) aus denen der Algorithmus wiederum selbstständig lernt
Maschinelles Lernen - Hype
- basiert auf einer Verschmelzung mehrerer Trends,
- die sich gegenseitig verstärken
- und ML zu einem leistungsstarken Werkzeug
- für eine Vielzahl von Bereichen und praktischen Anwendungsfällen machen
Maschinelles Lernen - Voraussetzung
- Verfügbarkeit großer Mengen digitaler Daten
- für Anwendung der meisten ML-Algorithmen
Maschinelles Lernen - Verfügbarkeit digitaler Daten
zunehmende Verfügbarkeit von Daten in den vergangenen Jahren
-> Anwendung von ML begünstigt
Maschinelles Lernen - Datenerzeugung in Lieferkettennetzwerken
- jeden Monat über 1,6 Milliarden neue Daten,
- die eine Reihe von Datenströmen liefern,
- die wiederum als Input für ein ML-System verwendet werden können
Triebkraft für den Fortschritt in der KI
- erhebliche Verbesserungen der Rechenleistung
- zunehmende Nutzung von Cloud Computing
- zunehmende Nutzung von Softwarebibliotheken
- zunehmende Nutzung des Internets der Dinge
