Machine Learning

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz. Die Technologie des maschinellen Lernens lehrt Computern die Ausführung von Aufgaben durch Lernen aus Daten, anstatt für die Aufgaben programmiert zu werden. Maschinelles Lernen nutzt ausgefeilte Algorithmen, um aus enormen Big-Data-Mengen zu „lernen‟. Je größer die Datenmenge, auf die die Algorithmen zugreifen können, desto mehr lernen sie. Durch das Erkennen von Mustern in vorliegenden Datenbeständen sind IT-Systeme in der Lage, eigenständig Lösungen für Probleme zu finden.

Hintergrund

Machine Learning hat ein sehr großes Spektrum an Anwendungsmöglichkeiten. Im Internetumfeld kommt maschinelles Lernen beispielsweise für selbstständiges Erkennen von Spam-Mails und Entwicklung geeigneter Spam-Filter, Sprach- und Texterkennung für digitale Assistenten, Bestimmung der Relevanz von Webseiten für Suchbegriffe, Erkennung und Unterscheidung der Internetaktivität von natürlichen Personen und Bots usw. Die Bild- und Gesichtserkennung, automatische Empfehlungsdienste oder die automatische Erkennung von Kreditkartenbetrug gehören zu den weiteren Anwendungsbereichen des maschinellen Lernens.

Fakten

Der Same-Day Versand von Amazon ist aufgrund des maschinellen Lernens möglich. Tatsächlich hat ihr aktueller ML-Algorithmus die Click-to-Ship-Zeit um 225 % verkürzt. Laut dem Data Dilemma Report gehen 12,5 % der Arbeitszeit bei der Datenerfassung verloren. Das sind fünf Stunden pro Woche in einer 40-Stunden-Woche. Netflix sparte in diesem Jahr 1 Milliarde Dollar durch seinen maschinellen Lernalgorithmus, der personalisierte Fernsehsendungen und Filme den Abonnenten empfiehlt. In den USA arbeiten nur 4,5 % der selbstberichteten Datenwissenschaftler oder Datenforscher speziell als Ingenieure für maschinelles Lernen.