Machine Learning

Machine Learning oder maschinelles Lernen (kurz: ML) ist ein Teilgebiet der Künstlichen Intelligenz[1], dass sich mit der Entwicklung und Untersuchung von statistischen Algorithmen beschäftigt.

Formen des maschinellen Lernens

Beim maschinellem Lernen können die Algorithmen aus Daten lernen und auf unbekannte Daten verallgemeinern, um Aufgaben ohne explizite Anweisungen auszuführen. Meist handelt es sich um komplexe Probleme, die nicht durch Regeln beschrieben werden können, für die aber viele Beispieldaten vorliegen.

Der Algorithmus bildet vorgegebene Beispieldaten auf ein mathematisches Modell ab und passt es so an, dass es von diesen Daten auf neue Fälle verallgemeinern kann. Diesen Vorgang nennt man Training. Nach dem Training ist die gefundene Lösung im Modell gespeichert, ohne dass sie explizit programmiert wurde. Das trainierte Modell kann Vorhersagen für neue Daten treffen oder Empfehlungen und Entscheidungen generieren[2].

Die drei Formen des maschinellen Lernens sind:

Art des Lernens	Beschreibung
Überwachtes Lernen[3]:	Dem Algorithmus werden in den Trainingsdaten korrekte Ausgabewerte bereitgestellt. Anhand dieser lernt er, zu klassifizieren und stetige Werte vorherzusagen.
Unüberwachtes Lernen[4]:	Der Algorithmus sucht selbstständig in den Daten nach Mustern. Es werden keine korrekten Ausgabedaten für das Training zur Verfügung gestellt.
Bestärkendes Lernen[5],[6],[7]:	Der Algorithmus interagiert mit seiner Umgebung. Er lernt durch Versuch und Irrtum. Ihm wird jedoch nicht gezeigt, welche Aktion oder Handlung in welcher Situation richtig ist.

Programmiersprachen

Für das maschinelle Lernen eignen sich mehrere Programmiersprachen. Die am Bekanntesten sind:

Programmiersprache	Beschreibung
Python[8]:	Python ist aufgrund seiner einfachen Syntax und Lesbarkeit eine der führenden Programmiersprachen für maschinelles Lernen. Sie unterstützt eine Vielzahl von Frameworks und Bibliotheken, darunter scikit-learn, OpenCV, TensorFlow, PyTorch und Keras.
R[9]:	Die Programmiersprache R ist besonders bei Statistikern und Datenwissenschaftlern beliebt. Es ist die am weitesten verbreitete Sprache für Datenanalyse und Visualisierung. Sie kann sowohl von Nicht-Programmierern und Entwicklern verwendet werden.
Java[10]]:	Java ist laut GitHub die dritthäufigste verwendete Programmiersprache in 2022 und wird häufig für große, skalierbare ML-Projekte verwendet. Sie ist plattformunabhängig einsetzbar und bietet eine starke Typisierung.
C++[11]:	C++ ist eine von der ISO genormte Programmiersprache. Sie bietet eine hohe Leistung und wird häufig in der Spieleentwicklung und im High-Performance-Computing eingesetzt.

Anwendungsbereiche

Der aktive Einsatz von maschinellem Lernen hat bereits in vielen Bereichen stattgefunden. Die bekanntesten Anwendungsbereiche sind:

Einsatzbereich	Beschreibung
Bilderkennung:	Die ML-Modelle können Bilder klassifizieren, z. B. Katzen- und Hundebildern unterscheiden und Gesichter und deren Mimik erkennen.
Medizinische Diagnose:	ML-Modelle können medizinische Bilder (z. B. Röntgenaufnahmen oder MRT-Scans) analysieren und Krankheiten wie Krebs oder Frakturen identifizieren. Sie unterstützen Ärzte bei der Diagnose.
Spracherkennung:	Chatbots, Übersetzungssoftware und Spracherkennungssysteme nutzen ML, um menschliche Sprache zu verstehen und darauf zu reagieren.
Empfehlungssysteme:	Plattformen wie Netflix, Amazon und Spotify verwenden ML, um personalisierte Empfehlungen für Filme, Produkte und Musik zu erstellen. Diese Systeme analysieren das Nutzerverhalten und lernen, welche Inhalte am besten zu den individuellen Vorlieben des Nutzers passen.
Betrugserkennung:	Banken, Versicherungen und E-Commerce-Unternehmen setzen ML-Algorithmen ein, um verdächtige Aktivitäten zu erkennen. Sie analysieren Transaktionsmuster, um Betrug zu verhindern.
Finanzmärkte:	ML-Modelle analysieren Finanzdaten, um Handelsstrategien zu entwickeln, Risiken zu bewerten und Investitionsentscheidungen zu treffen.
Autonome Fahrzeuge:	Selbstfahrende Autos verwenden ML, um ihre Umgebung zu erkennen, Verkehrszeichen zu interpretieren und sicher zu navigieren.
Produktions- und Qualitätskontrolle:	In der Fertigungsindustrie werden ML-Algorithmen eingesetzt, um Produktionsprozesse zu optimieren und Qualitätsmängel zu erkennen.

Zusammenhang zwischen Künstlicher Intelligenz, Machine Learning und Deep Learning

Künstliche Intelligenz, maschinelles Lernen und Deep Learning stehen in einer hierarchischen Beziehung zueinander[12].

• Künstliche Intelligenz: Gilt als übergreifende Wissenschaft auf alle Teilbereiche und beschäftigt sich mit der Erschaffung von Maschinen, die eine Form von Intelligenz aufweisen.
• Maschinelles Lernen: Ist ein Teilbereich der Künstlichen Intelligenz und konzentriert sich auf Techniken, die es Computern ermöglicht, aus eingegebenen Daten und Mustern zu lernen.
• Deep Learning: Der Oberbegriff von Techniken für selbstgesteuertes maschinelles Lernen, bei denen sich die Algorithmen selbst klüger machen.

Weiterführende Links

[1] Die Beziehung zwischen KI, ML und DL Online verfügbar.
[2] Inga Döbel u. a.: Maschinelles Lernen - Eine Analyse zu Kompetenzen, Forschung und Anwendung. Fraunhofer-Gesellschaft, September 2018, abgerufen am 25. April 2024
[3] Guido, Sarah, Rother, Kristian: Einführung in Machine Learning mit Python Praxiswissen Data Science. Heidelberg, ISBN 978-3-96009-049-6
[4] Zoubin Ghahramani: Unsupervised Learning. In: Advanced Lectures on Machine Learning. (PDF), 3176. Jahrgang, 16. September 2004, S. 72–112, (Englisch)
[5] Yi Ma und Shankar Sastry: Reinforcement Learning & Optimal Control Overview. (PDF), University of California, Berkeley, 17. Februar 2021, abgerufen am 18. April 2022 (Englisch).
[6] Illustrating Reinforcement Learning from Human Feedback (RLHF), huggingface.co, 9. Dezember 2022. abgerufen am 8. August 2023 (Englisch)
[7] Was ist Machine Learning? Algorithmen, Methoden und Beispiele Online verfügbar.
[8] 7 Top Machine Learning Programming Languages Online verfügbar in Englisch
[9] R (Programmiersprache) Online verfügbar
[10] Rock the Prototye: Was ist Java? Online verfügbar.
[11] Ein Fachbeitrag von Thomas Theis, Autor des Buches Einstieg in C++ Online verfügbar.
[12] Die Beziehung zwischen KI, ML und DL Online verfügbar.