Machine-Learning-Konzepte

Machine Learning verstehen

Lis Sulmont

Curriculum Manager, DataCamp

Drei Arten von Machine Learning

$$

1) Bestärkendes Lernen

2) Überwachtes Lernen

3) Unüberwachtes Lernen

Trainingsdaten

• Trainingsdaten: vorhandene Daten, aus denen gelernt werden kann
• Ein Modell trainieren: wenn ein Modell aus Trainingsdaten erstellt wird
  • Kann Nanosekunden bis Wochen dauern

Trainingsdaten zum überwachten Lernen

Trainingsdaten zum überwachten Lernen

Trainingsdaten zum überwachten Lernen

Trainingsdaten zum überwachten Lernen

Trainingsdaten zum überwachten Lernen

Nach dem Training (überwachtes Lernen)

Nach dem Training (überwachtes Lernen)

Nach dem Training (überwachtes Lernen)

Überwachtes vs. unüberwachtes Lernen

• Überwachtes Lernen
  • Trainingsdaten werden „gelabelt“
• Unüberwachtes Lernen
  • Trainingsdaten haben nur Merkmale
  • Nützlich für:
    • Anomalieerkennung
    • Clustering, z. B. Einteilung von Daten in Gruppen

Trainingsdaten für unüberwachtes Lernen

Trainingsdaten für unüberwachtes Lernen

Nach dem Training (unüberwachtes Lernen)

Unüberwachtes Lernen

• In der Realität sind Daten nicht immer mit Labels versehen
  • Erfordert manuelle Arbeit zum Labeln
  • Labels sind unbekannt
• Keine Labels: Das Modell ist unüberwacht und findet seine eigenen Muster

Lass uns üben!

Machine Learning verstehen