Informationen zum maschinellen Lernen

  • 4 Minuten

Maschinelles Lernen ist die Grundlage für die meisten KI-Lösungen. Seit den 1950er Jahren haben Forscher, die oft als Datenwissenschaftler bezeichnet werden, an verschiedenen Ansätzen für KI gearbeitet. Die meisten modernen Anwendungen von KI haben ihren Ursprung in maschinellem Lernen, einem Zweig der KI, der Informatik und Mathematik kombiniert.

Zu Beginn möchten wir Ihnen ein konkretes Beispiel dafür zeigen, wie mithilfe von maschinellem Lernen komplizierte Probleme gelöst werden können.

Nachhaltige Landwirtschaft spielt eine essenzielle Rolle dabei, die Lebensmittelproduktion zu maximieren und gleichzeitig die Natur zu schützen. The Yield, ein in Australien ansässiges Agrartechnologieunternehmen, verwendet Sensoren, Daten und maschinelles Lernen, um Landwirte dabei zu unterstützen, fundierte Entscheidungen in Bezug auf Wetter-, Boden- und Pflanzenbedingungen zu treffen.

Weitere Informationen finden Sie im folgenden Video.

So funktioniert maschinelles Lernen

Wie lernen Computer?

Durch Daten. In der heutigen Welt entsteht in unserem Alltag eine gewaltige Menge an Daten. Von SMS, E-Mails und Posts in sozialen Netzwerken bis hin zu Fotos und Videos, die wir mit unseren Handys aufnehmen, generieren wir riesige Mengen an Informationen. Noch mehr Daten werden von Millionen von Sensoren in unseren Häusern, Autos, Städten, öffentlichen Verkehrsmitteln und Fabriken verursacht.

Wissenschaftliche Fachkräfte für Daten können mithilfe all dieser Daten Modelle für maschinelles Lernen trainieren, die Vorhersagen und Rückschlüsse basierend auf den Beziehungen treffen, die sie zwischen den Daten herstellen können.

Machine Learning-Modelle versuchen, die Beziehung zwischen Daten zu erfassen. Angenommen, eine Umweltschutzorganisation möchte, dass Freiwillige verschiedene Wildblumenarten mithilfe einer Handy-App identifizieren und katalogisieren. Die folgende Animation zeigt, wie dafür maschinelles Lernen verwendet werden kann.

An animation of the steps of machine learning.

  1. Ein Team von Botanikern und Experten sammelt Daten zu Proben von Wildblumen.
  2. Das Team ordnet die Proben den richtigen Arten zu.
  3. Diese Daten werden unter Verwendung eines Algorithmus verarbeitet, der Beziehungen zwischen den Merkmalen der Proben und der zugeordneten Art findet.
  4. Die Ergebnisse des Algorithmus werden in einem Modell zusammengefasst.
  5. Wenn Freiwillige neue Proben finden, kann das Modell die richtige Artenbezeichnung identifizieren.

Ansätze für KI haben sich weiterentwickelt, um Aufgaben mit viel größerer Komplexität zu erledigen. Diese komplexen Modelle bilden die Basis von KI-Funktionen.

Maschinelles Lernen in Microsoft Azure

Microsoft Azure bietet den Azure Machine Learning Service an. Hierbei handelt es sich um eine cloudbasierte Plattform zum Erstellen, Verwalten und Veröffentlichen von Modellen für maschinelles Lernen. Azure Machine Learning-Studio bietet mehrere Dokumenterstellungsfunktionen wie:

  • Automatisiertes maschinelles Lernen: mit dieses Features können Laien schnell ein effektives Machine Learning-Modell aus Daten erstellen.
  • Azure Machine Learning-Designer: eine grafische Schnittstelle, welche die Entwicklung von Machine Learning-Lösungen ohne Code ermöglicht.
  • Datenmetrikvisualisierung: analysieren und optimieren Ihrer Experimente mit Visualisierung.
  • Notebooks: schreiben und ausführen Ihres eigenen Codes auf verwalteten Jupyter Notebook-Servern aus, die direkt in Studio integriert sind.