Informationen zum maschinellen Lernen
Maschinelles Lernen beinhaltet das Einspeisen großer Datenmengen in einen Algorithmus, der diese Daten dann verarbeitet, um Muster und Beziehungen zu finden.
Wenn Sie einem KI-Modell z. B. Daten zu Ihren bisherigen Staubsauggewohnheiten und das Layout Ihres Hauses bereitstellen, könnte damit ein Staubsaugroboter programmiert werden, um Ihren Teppich in einem ähnlichen Muster zu saugen. Stellen Sie sich nun vor, dass viele dieser Roboter verkauft wurden und alle ihre Staubsaugdaten an den Entwickler übertragen. Durch Einsatz des maschinellen Lernens zum Erkennen von Mustern könnten noch effizientere Bewegungsmuster ermittelt und die Wege für alle Staubsaugroboter mit demselben Design optimiert werden.
Im ersten Video erfahren Sie, was maschinelles Lernen ist.
Maschinelles Lernen ist ein KI-Verfahren, bei dem mit Algorithmen Vorhersagemodelle erstellt werden. Diese Modelle werden anhand bekannter, mit bestimmten Metriken gemessenen Daten überprüft und nach Bedarf angepasst. Dieser Lern- und Überprüfungsprozess wird als Training bezeichnet. Durch erneutes Training werden Machine Learning-Modelle im Laufe der Zeit verbessert. Darüber hinaus gibt es wichtige Methoden zum Trainieren von Modellen, z. B. beaufsichtigtes Lernen, unbeaufsichtigtes Lernen und vertiefendes Lernen.
Im nächsten Video lernen Sie den Unterschied zwischen diesen Methoden kennen und werden in Deep Learning eingeführt, die Kombination der Methoden mithilfe von Ebenen.