Machine Learning

Beim Machine Learning, zu deutsch maschinelles Lernen, handelt es sich um einen Teilbereich der künstlichen Intelligenz. Systeme, die Machine Learning anwenden, erkennen gewisse Muster in Daten. Mit diesen erkannten Mustern kann das System bzw. die Software dann selbstständig lernen. Ziel ist es die Daten intelligent miteinander zu verknüpfen und so Rückschlüsse ziehen und Probleme lösen zu können.

Funktionsweise

Maschinelles Lernen erfolgt in mehreren Schritten. Am Anfang generiert man relevante Daten und Algorithmen. Hier ist besonders die Qualität der Daten von Bedeutung. Programmierer füttern die Software dann mit diesen Daten und „schulen“ sie. Beispielsweise müssen sie dabei Regeln für die Analyse der Daten aufstellen. Dadurch passt sich das Modell fortlaufend an und optimiert sich. Je mehr neue Daten man erfasst und richtig bearbeitet, desto besser sind dann auch die Ergebnisse.

Grob gesagt unterscheidet man beim Machine Learning zwischen überwachtem und unüberwachtem Lernen. Das überwachte Lernen basiert auf im Vorhinein definierten Beispielmodellen mit denen die Informationen den richtigen Gruppen zugeordnet werden. Beim unüberwachten Lernen hingegen erkennt das System eigenständig Muster, die Modellgruppen bilden sich dann automatisiert.

Anwendungsbeispiele

Machine Learning kann man in den unterschiedlichsten Bereichen anwenden. Bekannte Anwendungen sind beispielsweise die Gesichtserkennung bei Facebook oder Empfehlungen von Dienstleistern wie Amazon und Netflix. Unter anderem gehört dazu auch noch das eigenständige Erkennen von Spam-Mails.