Maschinelles Lernen in Aktion
Ein Grundlagenbuch für den Laien
Alan T. Norman
Aus dem Englischen übersetzt von Frank Münker
Copyright © 2020 Alan T. Norman - Alle Rechte vorbehalten.
Kein Teil dieser Veröffentlichung darf ohne vorherige schriftliche Genehmigung des Herausgebers in irgendeiner Form oder auf irgendeine Weise, einschließlich Fotokopieren, Aufzeichnen oder mit anderen elektronischen oder mechanischen Methoden, oder durch ein Informationsspeicher- und -abrufsystem reproduziert, verbreitet oder übertragen werden, außer bei sehr kurzen Zitaten, die in kritischen Rezensionen und bestimmten anderen nicht kommerziellen, nach dem Urheberrechtsgesetz erlaubten Verwendungen enthalten sind.
Warum Ich Dieses Buch Geschrieben Habe
In diesem Buch geht es nicht um das Codieren von Lernalgorithmen
Kapitel 1. Was ist Maschinelles Lernen?
Explizite Programmierung vs. Algorithmustraining
Definition: Künstliche Intelligenz vs. maschinelles lernen vs. neuronale netze
Überwachtes vs. unüberwachtes lernen
Welche Probleme kann man mit Maschinellem Lernen lösen?
Die Black Box: Was wir nicht über maschinelles Lernen wissen
Kapitel 2. Bereinigung, Beschriftung und Pflegen von Daten
Große Datensätze für ML erforderlich
Die Daten müssen gut beschriftet sein
Kapitel 3. Auswählen Oder Schreiben Eines ML-Algorithmus
Was man braucht, um einen neuen Algorithmus zu schreiben
Kapitel 4. Training und Einführung Eines Algorithmus
Tuning und feature engineering
Kapitel 5. Praktische Anwendungen des Maschinellen Lernens
Sprachassistenten, Intelligente Häuser und Autos
Andere Bücher von Alan T. Norman:
Warum Ich Dieses Buch Geschrieben Habe
Willkommen in der Welt des maschinellen Lernens!
Die künstliche Intelligenz ist dabei, den Lauf der Menschheitsgeschichte zu verändern, vielleicht mehr als jede andere Technologie zuvor. Ein großer Teil dieser Revolution ist das maschinelle Lernen.
Maschinelles Lernen ist die Wissenschaft, einem Computer beizubringen, auf der Grundlage von Daten Vorhersagen zu machen. Grundsätzlich bedeutet maschinelles Lernen, einen Computer mit Daten zu füttern und ihn daraus eine Vorhersage ableiten zu lassen. Am Anfang wird der Computer noch oft falsche Vorhersagen machen, doch im Verlauf von Tausenden von Vorhersagen wird der Computer seinen Algorithmus verfeinern, um bessere Vorhersagen zu treffen.
Diese Art von vorausschauenden Berechnungen war bislang nicht möglich, weil die Computer einfach nicht genug Daten speichern und nicht schnell genug rechnen konnten, um effektiv lernen zu können. Aber Jahr für Jahr werden die Computer in wachsendem Tempo immer besser. Fortschritte bei Speicher und Rechenleistung treiben die Entwicklung hin zu intelligenteren Maschinen an. Dadurch sind die Rechner heutzutage zu Dingen in der Lage, die noch vor ein oder zwei Jahrzehnten völlig undenkbar gewesen wären.
Das maschinelle Lernen hat schon heute Einfluss auf unser Leben. Amazon verwendet maschinelles Lernen, um vorherzusagen, welche Produkte Sie kaufen möchten. Gmail benutzt es, um Spam-Mails aus Ihrem Posteingang herauszufiltern. Die Filmempfehlungen, die Netflix Ihnen gibt, basieren auf Algorithmen des maschinellen Lernens.
Aber der Einfluss von maschinellem Lernen fängt hier erst an. Algorithmen machen schon jetzt in vielen Branchen Vorhersagen, von der Landwirtschaft bis hin zum Gesundheitswesen. Dies wird Jahr für Jahr in immer weiteren Branchen und Gebieten spürbar werden. Wir werden diese neuen Anwendungen des maschinellen Lernens Schritt für Schritt als Teil unseres Lebens akzeptieren. Auf jeden Fall ist diese neue Abhängigkeit von intelligenten Maschinen ein Wendepunkt in der Geschichte der Technologie, und dies wird in immer rasanterem Tempo weitergehen.
In