Es gibt kaum eine Digital-Veranstaltung, auf der das Wort „Machine Learning“ nicht fällt – fast genauso verhält es sich mit der Blockchain, Krypto-Währungen oder selbstfahrenden Autos. Aber eines haben all diese Themen gemein: Nur wenige Menschen verstehen wirklich, was sich hinter den Buzzwörtern verbirgt. Das ist auch kein Wunder, schließlich sind das technisch höchst anspruchsvolle Themen, an denen schon seit Jahrzehnten geforscht und entwickelt wird.

Es hört doch jeder nur, was er versteht.

Johann Wolfgang von Goethe

Dieser Artikel soll die Machine Learning Grundlagen einfach erklären und so einen Einstieg in die komplexe Materie erlauben. Für Fortgeschrittene oder gar Experten ist der Artikel also nicht geeignet – dafür aber für Manager/innen, Gründer/innen und Fachfremde, die noch nicht viel über Machine Learning gelesen haben. Waschechte Machine-Learning-Anfänger, also.

Drohne mit Kamera LDARC Flyegg 130 V2 5.8G Brushless OSD Cam Mini FPV RC Racing Drone PNP von Ballylyly,

Intelligente Maschinen sind kaum mehr aus unserem Alltag wegzudenken. Allerdings sind mit „Maschinen“ in dem Kontext von Machine Learning nicht klassische Maschinen gemeint, wie sie z.B. in einer Produktionshalle stehen. Es geht vielmehr um Computer- und Rechensysteme, also die „Software“ im Hintergrund der physischen Maschinen.

DJI Mavic Pro - Propeller Cage (PART31) inkl. 3X Propeller Paar,

Bisher musste man Computerprogrammen immer mit Regeln vorgeben, was sie machen sollen: Wenn X, dann Y. Computer konnten nur bestimmte Daten verarbeiten (Stichwort „0“ und „1“), Bilder und Videos z.B. konnten sie nur „speichern“, aber nicht „verstehen“. Mit Machine Learning (ML) ändert sich das: Mit bestimmten „Machine Learning Algorithmen“ können Computer selbständig lernen. Das heißt, man muss keine Regeln in der Programmierung vorgeben, sondern das Systeme kann sich selbst Regeln und Dinge beibringen. Das klingt erstmal überwältigend, ist aber im Endeffekt gar nicht so kompliziert.

Fisher Price W1518 Little People Camping Spielset ++++ NEU & OVP ++++,

Nehmen wir an, es gibt einen Datensatz von 100 Bildern: Auf 50 Bildern sind Äpfel, auf 50 Bildern sind Birnen. Wir möchten ein Programm schreiben, das die Bilder entsprechend als „Apfel“ oder als „Birne“ einordnet. Dieses Vorgehen ist eine klassische Aufgabe für Machine Learning: Es geht um die Klassifikation, also Einordnung, von Daten. Mit einem Machine Learning Algorithmus kann man nun versuchen, diese Klassifikation vorzunehmen.

Damen Handtaschen Damen Handtasche, Denim Waschen Beutel, 30 21  12  21 30 cm 8f5296

Wir möchten also ein Modell erstellen, das Äpfel und Birnen auf Bildern erkennen kann.

Ein Modell ist immer gleich aufgebaut: Es gibt (1) Input-Daten (also unsere Bilder), die werden von unserem (2) Modell bzw. Algorithmus analysiert und dann wird (3) „prognostiziert“, ob es sich um Äpfel oder Birnen handelt. Wie im echten Leben aber ist noch kein Meister vom Himmel gefallen: Es bedarf FunKo Ghostbusters - Brennender Marshmallowman - Burnt Stay Puft 19 cm,!

Um also der Maschine beizubringen, was ein Apfel und was eine Birne ist, bereiten wir unsere Daten zunächst auf: Die Merkmale jedes Bilds werden erfasst, ebenso wie die Klassifikation „Apfel“ oder „Birne“. Im Anschluss teilen wir unsere Datensätze in (1) Trainingsdaten und (2) Test-Daten ein. Die Trainingsdaten werden wir verwenden, um unsere Maschine zu „trainieren“ – mit den Test-Daten überprüfen wir am Ende des Trainings, ob die Maschine auch Bilder, die sie zuvor nie gesehen hat, korrekt einsortieren kann.

Wir trainieren unser Machine Learning Modell

Beim Training durchlaufen wir mehrere Durchgänge: Zu Beginn geben wir alle Trainingsdaten an die Maschine, also unser System, und es entscheidet quasi per Zufall, ob ein Apfel oder eine Birne auf dem Bild ist. Im Anschluss überprüft das Modell, wie häufig es sich richtig entschieden hat und schaut sich die „Merkmale“ dieser Daten an: Wenn die Form eher rund ist, ist es wahrscheinlich ein Apfel. Wenn die Farbe rot ist, ist es häufiger ein Apfel. Wenn die Farbe eher bräunlich ist, ist es vermutlich eher eine Birne. All diese „Merkmale“ nennt man im Machine Learning „Features“. Und die Einordnung (Apfel/Birne) bezeichnet man als „Labels“.

Nach jedem Trainingsdurchlauf justiert das Modell seine Entscheidungskriterien und so wird quasi durch „Trial und Error“ ein immer genaueres Modell erstellt. Mit der Zeit, also erst durch eine Vielzahl an Trainingsdurchläufen, kann das Modell besser zwischen den „Labels“ unterscheiden und hat so „gelernt“, Äpfel von Birnen zu unterscheiden.

Wir testen unser Modell

Nachdem wir mit dem Ergebnis zufrieden sind und das System bspw. 99% der Bilder korrekt einsortiert, kommen unsere Test-Daten zum Einsatz: Hier zeigt sich, ob das Modell das bisher gelernte auch auf neue, bisher unbekannte Daten (Bilder) übertragen kann. Am Ende des Test-Durchlaufs kann man das Modell erneut überarbeiten, falls sich z.B. Fehler eingeschlichen haben.

Wir setzen das Machine Learning Modell in der Praxis ein

Basierend auf dem Training und dem Test haben wir also nun einem Computer-Programm beigebracht, Äpfel und Birnen auf Bildern zu erkennen. Nun geht es darum, dieses Modell in der „echten Welt“ einzusetzen und neue, bisher unbekannte Bilder einzuordnen.

Kaemingk Globus World, Glasglobus mit Metallständer, Ø 22 cm, Tischglobus Deko-Globus Globus Transparent,

Bei unserem Beispiel sieht man, dass Machine Learning nur funktioniert, wenn man bereits aufbereitete Datensätze hat: Ähnlich wie mit einem Kind bringt es natürlich nichts, einem Programm tausende Bilder zu zeigen, ohne zu wissen, was darauf ist – woher soll das Programm oder das Kind denn wissen, was es sich anschaut? Die Datenaufbereitung ist also ein essenzieller Bestandteil des Machine Learnings. Je mehr Daten als Grundlage für das Training benutzt werden können (und je besser diese Daten sind), desto besser kann das Machine-Learning-Modell im Nachgang seine Vorhersage treffen. Wenn wir also wissen möchten, ob der Wert einer Aktie eher steigen oder eher sinken wird, brauchen wir erstmal einen Datensatz, der sinnvolle Aussagen dazu trifft. So ist es vermutlich irrelevant, ob das Wetter an einem Tag gut oder schlecht war – aber wohl eher relevant, ob an einem Tag über das Unternehmen in der Zeitung positiv oder negativ berichtet wurde. Die Datenqualität und Menge ist entscheidend.

Leder-Schultasche / Anfängerranzen aus Vollrindleder 99/187 RA bunt,

Computersysteme haben gegenüber Menschen den Vorteil, dass sie große Datensätze schnell und parallel bearbeiten können. Ein Mensch kann immer nur eine begrenzte Anzahl an „Rechenoperationen“ durchführen. Machine Learning ist daher natürlich ein sehr spannendes Thema: Große Datenmengen können innerhalb kürzester Zeit analysiert werden und das System kann daraus bestimmte Maßnahmen ableiten. So können Systeme meist besser entscheiden, ob ein Gebot auf eine Aktie abgegeben werden soll – oder eben entscheiden, ob ein Apfel oder eine Birne auf einem Bild zu sehen ist.

Crayola 15-Count 4-Ounce Farbeed Bubble Tray,

Künstliche Intelligenz (KI) bezeichnet die Fähigkeit eines Computersystems, intelligentes menschliches Verhalten nachzuahmen. Das können zum einen Systeme sein, die ein bestimmtes Anwendungsgebiet abdecken (z.B. eine KI, die Schach spielt). Diese anwendungsspezifischen Systeme nennt man auch „schwache“ oder „angewandte“ KI. Aus Science-Fiction-Filmen bekannt sind aber vor allem KIs, die allumfänglich intelligent sind, also alle Aufgaben erledigen, die auch Menschen erledigen können. Solche Systeme würde man als „starke“ oder „allgemeine“ KI bezeichnen – aber von dieser Form der künstlichen Intelligenz sind wir noch weit entfernt.

FangYOU1314 Oxford Tuch Wasserdichte Outdoor Reisetasche Freizeit Tasche Campus Wind Student Umhängetasche,

Machine Learning bezeichnet eben den Teil der KI, der sich um die Verarbeitung und das Verstehen von Daten kümmert. Anwendungsgebiete sind also beispielsweise das Verstehen von Sprache (auch Natural Language Understanding gennant) oder die Klassifikation von Daten (wie in unserm Apfel-Birnen-Beispiel). Es gibt hierbei wiederum unterschiedliche Ansätze und Systeme, wie Machine Learning umgesetzt werden kann. So können Entscheidungen und Vorhersagen mit „einfacheren“ Entscheidungsbäumen (Decision Trees) oder über hochkomplexe neuronale Netze (Deep Learning) getroffen werden.

Intelligente GPS-drohne professionelle luftaufnahmen 4 Karat high-Definition Lange Batterie im freien vierachsige Flugzeuge ferngesteuerte Flugzeuge 45 45 17,5 cm,

In vielen Bereichen unseres Alltags sind wir mit Machine Learning indirekt im Kontakt: So verarbeiten zum Beispiel Dienste wie Amazon Alexa oder Apple Siri unsere Sprach-Anfragen mithilfe von Machine Learning zu Text. Dieser Text wird dann erneut verarbeitet, um ihn für Maschinen verständlich zu machen. In Computer-Systemen kommt Machine Learning immer da zum Einsatz, wo viele Daten verarbeitet werden müssen und dann Entscheidungen darauf basierend getroffen werden müssen. Aber auch in der Medizin kann mit Machine Learning z.B. auf Bildern erkannt werden, ob bestimmte Krankheits-Symptome erkennbar sind und selbständig Diagnosen erstellen. Erste Studien in diesem Bereich haben Systeme entwickelt und trainiert, die über 50% der Krebsarten bereits ein Jahr vor ihrer ersten Diagnose durch menschliche Ärzte erkennen konnten.

Jamara 053250 - RC Lightray 1/10 EP 4WD inklusive 2,4 GHz Fernsteuerung,

Es klingt fast wie ein Traum, dass uns intelligente Computer im Arbeitsalltag assistieren: Nie wieder selbst Termine ausmachen müssen. Lange Texte werden automatisch zusammengefasst. Die Kunden, bei denen ein Abschluss am Wahrscheinlichsten ist, werden vollautomatisiert angeschrieben.

LIANGJUN Rutschfest Teppiche Weich Teppich Waschbar Unregelmäßige Form Kaffetisch Schlafzimmer, 3 Größen Verfügbar, 4 Farben (Farbe : 2 , größe : 110X120cm),Handgefertigte Teakholz Vase Niedrig Deko Wohnraumdekoration Teak Vollholz HolzJullyeleDEgant LDARC ET125 V2 5.8G Micro Mini Brushless FPV RC Racing Drohne Quadcopter mit 16CH VTX Kamera OSD DSM2 Empfänger PNP VersionHPI/TT H77127 - Heavy Duty Hauptzahnrad 47Z, Savage, Mehrfarbig,Lamborghini Diablo LOOKSMART1/43 GTR 1999 M Gelb (japan import),Jan van Haasteren - Happy Birthday 1000 Piece Jigsaw Puzzle by Jumbo GamesFarbetime Buntstifte, Mine: 3 mm, sortierte Farben, Basic, 288sort.,DJI Phantom 1 Main Controller Board (P01),Bushiroad Cardfight Vanguard - Divine Dragon Progression Booster Display,Glasscheibe Glasplatte Schwarz Quadratisch 80 x 80 cm Glas für Tisch Tischplatte Glastischplatte Tischglasplatte - Facettenschliff, 6 mm Sicherheitsglas,CCLIFE Schminktisch Frisiertisch Kosmetiktisch ohne Spiegel, Farbe:Weiss-007LANG 500 Piece Easel Style Puzzle Aspen Run by Easel Style Puzzle,Frog Studio Home 15 x Quantity of Estes Dart Lipo 3.7v USB Battery Charger any mAh Auto Shut Off w LED - FAST FREE SHIPPING FROM Orlando, Florida USA!Lanspo JXD 518 RC Quadcopter 2,4 GHz Full HD 720 P Kamera WIFI FPV GPS Bergbau Punkt Drone Ufo (Gelb)INJUSA – Auto Mercedes Benz GT A Batterie 6 V mit Märsche und Fernbedienung Special Edition für Kinder von 3 Jahren mit Licht und MP3, Blau, (7172)FairytaleMM Wltoys 10428-B2 1/10 2.4G 4WD Elektro-Off-Road-Klettern Crawler RC Car,Hornby R3405 LNER 0–6-0t J50 Class Zug Modell Set,Clever Paper Notre Dame de Paris Cathedral 3D Puzzle UMBUM 387 by Clever Paper,Figma - GUNSLINGER GIRL [Henrietta] (PVC&ABS Figure) (japan import)Gifts Etcetera Modernes Holz Pendel Wanduhr Buche & Schwarz mit Glas Zifferblatt 60 x 22 cm,Department 56 Accessories for Village Collections Meeting Smile After Smile Animated Accessory, 2.36-Inch by Department 56D DOLITY XXL International Schachspiel Set für 4 Personen,Ergobag Cubo Prima Bärllerina Schulranzen Set 9tlg. Kollektor Ed.,Legler Lion Solitaire by LeglerHLDUYIN Schwimmende rotierenden Magnetschwebebahn Globe HD 4 Zoll Weltkarte mit LED Laterne Büro, Lernen Educational Supplies, Wohnaccessoires,Golddoesnotshine,3.5inch,Franklin Marshall rugzak flower 1,Couchtisch Oliver, Holzwerkstoff Dekor Weiß-Beton, 111x67x44 cm,Chenonceau Castle, 806 Piece 3D Jigsaw Puzzle Made by Wrebbit Puzz-3D,Dailyinshop S6 720 P HD Wifi Kamera Quadcopter Höhe Halten Fernbedienung Quadcopter Kamera Optischer Fluss Positionierung Drone Aircraft (Farbe: schwarz),Dusk 15-051 Guru 1500 piece puzzle of Mykonos (japan import)

Mit unserem digitalen Assistenten Neo machen wir, die Neohelden, Machine Learning sofort für Unternehmen nutzbar: Mit unserem System, das auf den unternehmenseigenen Servern laufen kann und somit keine Daten an Externe weitergibt, können wir verschiedene Anwendungsfälle und Prozesse voll- oder teilautomatisieren und Bestandssysteme miteinander verbinden, um Mitarbeiter zu entlasten. Interessiert? Bei einer unverbindlichen Demo können wir über konkrete Anwendungsfälle sprechen!

FairytaleMM Mirarobot S60 5,8 G 25 mW 600TVL Kamera Tiny Micro Innen FPV RC Racing Drone,

KESS MODEL KS43010110 FIAT 124 SPORT COUPE' 1S 1967 ROT ED.LIM.PCS 250 1:43,