Maschinelles Lernen für Anfänger: Eine Einführung in die Thematik
Eines der aufregendsten Konzepte, die in den letzten Jahren an Popularität gewonnen haben, ist das maschinelle Lernen (ML). Doch was bedeutet das eigentlich?
Maschinelles Lernen bezeichnet Algorithmen, die aus Datenmengen lernen – ohne dass spezifischer Code für jedes einzelne Problem geschrieben werden muss. Stellen Sie es sich wie eine Blackbox vor: Sie füttern sie mit Daten und sie erstellt ihre eigene Logik basierend darauf.
Zum Beispiel kann ein Klassifikationsalgorithmus verwendet werden, um handschriftliche Zahlen zu erkennen oder E-Mails als Spam oder Nicht-Spam zu klassifizieren.
Dafür muss der Code aber nicht geändert werden. Es handelt sich um denselben Algorithmus – er wird lediglich mit unterschiedlichen Trainingsdaten gefüttert und kommt so zu verschiedenen Klassifizierungslogiken.
Die zwei Hauptkategorien des maschinellen Lernens
Maschinelles Lernen kann grob in zwei Hauptkategorien unterteilt werden: überwachtes und unüberwachtes Lernen. Die Unterscheidung mag simpel erscheinen, sie spielt aber eine entscheidende Rolle.
Beim überwachten Lernen kennt man die Antwort auf das Problem und kann rückwärts arbeiten, um die Logik zu ermitteln.
Ein Immobilienmakler möchte zum Beispiel eine App entwickeln, die den Wert eines Hauses basierend auf dessen Grösse und Nachbarschaft schätzt. Die Trainingsdaten für diese App könnten aus den Verkaufspreisen ähnlicher Häuser in der Vergangenheit bestehen.
Das unüberwachte Lernen: Mustererkennung ohne vorgegebene Antworten
Im Gegensatz dazu steht das unüberwachte Lernen, bei dem keine bekannte Antwort vorliegt. Trotzdem kann man immer noch interessante Dinge mit maschinellem Lernen anstellen.
Zum Beispiel könnte man einen Algorithmus verwenden, der automatisch verschiedene Marktsegmente in einem Datensatz identifiziert. Vielleicht entdeckt man dabei bestimmte Vorlieben verschiedener Kundengruppen.
Man könnte auch Ausreisser-Häuser identifizieren, die sich stark von allen anderen unterscheiden. Solche Informationen könnten beispielsweise Marketingstrategien beeinflussen oder dabei helfen zu entscheiden, wo man seine besten Verkäufer einsetzen sollte.
Ist «Lernen» wirklich das richtige Wort?
Maschinelles Lernen mag wie ein komplexes Konzept erscheinen – und das ist es auch! Aber im Kern geht es darum, dass Maschinen «lernen», wie sie spezifische Probleme lösen, basierend auf Beispieldaten.
Auch wenn maschinelles Lernen noch nicht perfekt ist und sich derzeit auf sehr spezifische Probleme konzentriert: Es bedeutet nicht, dass es weniger nützlich ist. Und wer weiss schon, was die Zukunft bringt?
Vielleicht lesen Sie diesen Artikel in 50 Jahren und schmunzeln über die «jetzigen» technologischen Errungenschaften.
