Einleitung
Maschinelles Lernen ist in vielerlei Hinsicht die Schnittmenge zweier Disziplinen : Data Science und Software Engineering. Ziel des maschinellen Lernens ist die Verwendung von Daten zum Erstellen eines Prädiktormodells, das in eine Softwareanwendung oder einen Dienst integriert werden kann. Um dieses Ziel zu erreichen, erfordert die Zusammenarbeit zwischen Datenwissenschaftlern, die die Daten untersuchen und vorbereiten, bevor sie es zum Trainieren eines Machine Learning-Modells verwenden, und Softwareentwickler, die die Modelle in Anwendungen integrieren, in denen sie verwendet werden, um neue Datenwerte vorherzusagen (ein Prozess, der als Ableitung bezeichnet wird).
Maschinelles Lernen hat seinen Ursprung in Statistiken und mathematischer Modellierung von Daten. Die grundlegende Idee des maschinellen Lernens besteht darin, Daten aus früheren Beobachtungen zu verwenden, um unbekannte Ergebnisse oder Werte vorherzusagen. Beispiel:
- Der Inhaber eines Eisgeschäfts kann eine App verwenden, die historische Verkaufs- und Wetterdatensätze kombiniert, um vorherzusagen, wie viele Eiscremes sie an einem bestimmten Tag verkaufen werden, basierend auf der Wettervorhersage.
- Ein Arzt kann klinische Daten aus früheren Patienten verwenden, um automatisierte Tests durchzuführen, die vorhersagen, ob ein neuer Patient aufgrund von Faktoren wie Gewicht, Blutzucker und anderen Messungen risikobehaftet ist.
- Ein Forscher in der Antarktis kann frühere Beobachtungen verwenden, um die Identifizierung verschiedener Pinguinarten (z. B. Adelie, Gentoo oder Chinstrap) basierend auf Messungen von Flippern, Rechnungen und anderen physischen Attributen eines Vogels zu automatisieren.
Hinweis
Wir erkennen, dass verschiedene Menschen gerne auf unterschiedliche Weise lernen. Sie können dieses Modul im videobasierten Format abschließen oder den Inhalt als Text und Bilder lesen. Der Text enthält größere Details als die Videos. In einigen Fällen sollten Sie also auf den Text als ergänzendes Material für die Videopräsentation verweisen.