Maschinelles Lernen - Die Basics


(Quelle: David290)

Maschinelles Lernen - heutzutage vermutet man hinter diesem kompliziert klingenden Begriff komplexe Mathematik, aber Maschinelles Lernen ist in den Grundsätzen ganz einfach: Man speist einem mathematischen Modell einige Daten aus denen Zusammenhänge herausgefunden werden sollen. Beginnen wir mit einem Beispiel: Wir versuchen, Informationen über den Immobilienmarkt einer Stadt (sagen wir Wien) zu erfahren. Zunächst wollen wir die Preise von Immobilien in Abhängigkeit der Entfernung vom Zentrum beschreiben. Dafür sammeln wir von einigen Immobilien Entfernung und Preis. Sagen wir, wir wollen anhand der Entfernung den Preis einer Immobilie ermitteln, also einen Zusammenhang dieser Daten finden. Hierfür verwenden wir eine magische Box - das mathematische Modell. Vereinfacht dargestellt stellt dieses Modell Regeln auf; beispielsweise, dass Immobilienpreise generell mit zunehmender Entfernung bis 2 km stark abnimmt. Anhand dieser Regeln können wir nun Preise für uns unbekannte Entfernungen schätzen. Zugegeben, dieses Beispiel ist noch sehr einfach und die Regeln könnten alleine durch logisches Denken bestimmt werden, doch wenn weitere Daten wie Wohnfläche oder Bezirk hinzukommen (in Machine-Learning mehrdimensional genannt), könnten diese Regeln schnell sehr kompliziert werden. Unsere magische Box wird diese Regeln hingegen (fast) vollautomatisch für uns finden.

Im Detail ist Maschinelles Lernen dann doch kompliziert. So gibt es in den 2 großen Kategorien Supervised und Unsupervised Learning jeweils gefühlt tausende Algorithmen, alle mit ihren eigenen  Vor- und Nachteilen. Hinzu kommt, dass die Machine-Learning Community Abkürzungen offensichtlich vergöttert.

Nach meiner ersten Begegnung mit maschinellem Lernen im Jahre 2013 sah ich 2015 ein YouTube-Video von SethBling (https://www.youtube.com/watch?v=qv6UVOQ0F44) in dem Super Mario Bros vom NEAT (Neural Evolution of Augmented Topologies)-Algorithmus gesteuert wurde. Von diesem Video inspiriert erstellte ich prompt einige kleine Spiele (Pong, 3-Gewinnt, Tetris, …), die schon bald von Strukturen wie RNN/CNN/LSTM mit Bravur gemeistert wurden. Aber mit maschinellem Lernen ist noch viel mehr möglich: Schrifterkennung (mit MNIST/NIST/SVHN-Datasets), Gesichtserkennung (LFW, Olivetti), etc. Sogar ein automatisiertes Generieren von Musik und Sprache ist möglich (Hierzu hoffentlich bald eine weitere Erfahrung).

Maschinelles Lernen ist bereits überall in unseren modernen Technologien zu finden. Spam-emails werden schon lange maschinell gefiltert; die Google Bildersuche und Fotos App verwenden Deep Learning, um Bilder Wörtern zuzuordnen und zuletzt wird ein großer Teil des Börsensystems von automatisierten Lernalgorithmen gesteuert.

Read more

Lernen

Was so ein Bäcker Kindern alles lernt!

Ich war heute früh mit meiner Tochter frisches Brot einkaufen. In der lokalen Backstube "Von der Thannen"   und mit dem Ucarver (Elektor-Roller). Einfach nur toll, nicht nur für mich als Papa. Eine...

 Fo Cused3 points

Lernen

Der Einfluss der Fantasie

Ich war mit meinen Töchtern und den Neffen auf dem Krampuslauf.  Sie konnten es gar nicht erwarten. Meine Töchter haben schon Monate im Vorfeld viele Videos zum Perchtenlauf / Krampuslauf mit mir ...

 Fo Cused1 point

Welcome to a world of experience.

Leitfaden allows you to share experience and stories to enrich and better your life and help you grow and become a model to others. Learn more.

Sign Up

It’s free and just takes a minute.