Künstlichen Intelligenz: maschinelles Lernen erlernen!
Hinter dem Begriff Machine Learning verbirgt sich genau das, was das Wort verspricht – maschinelles Lernen. Es handelt sich dabei um einen Teilbereich der künstlichen Intelligenz. Voraussetzungen für maschinelles Lernen sind die Erfassung und Auswertung großer Datenbestände, auch als Big Data bekannt. Auf Grundlage bereits erworbener Erfahrungen sind Maschinen dann in der Lage, eigenständige Entscheidungen herbeizuführen. Denn aus den Erfahrungen ergeben sich Muster, die auf ein ähnliches Problem wieder anwendbar sind. Diese Mechanismen spielen zum Beispiel beim autonomen Fahren eine große Hund.
Wie lerne ich Machine Learning
Doch auch beim maschinellen Lernen spielt der Mensch eine große Rolle. Denn die Strategien zur Auswertung großer Daten und zur Generierung von wiederkehrenden Mustern muss der Mensch der Maschine zunächst “beibringen”, erst danach kann die Maschine selbständig lernen. Dafür stehen bekannte Programmiersprachen wie zum Beispiel Python zur Verfügung. In dieser Programmiersprache werden aktuell die meisten Algorithmen für maschinelles Lernen programmiert. Das liegt insbesondere daran, dass Bibliotheken (auch Frameworks genannt) für bestimmte Strategien in dieser Sprache bereits zur Verfügung stehen. Es ist aber davon auszugehen, dass mit wachsender Bedeutung von maschinellem Lernen auch andere Programmiersprachen in die Lage versetzt werden, diese Bibliotheken zu benutzen.
Die bereits vorhandenen Bibliotheken kommen meist aus dem wissenschaftlichen Bereich. Denn hier wird das maschinelle Lernen in den theoretischen Naturwissenschaften bereits seit vielen Jahrzehnten eingesetzt. Die Software MathLab ist zum Beispiel ein mächtiges Hilfsmittel, das im wissenschaftlichen Umfeld häufig zur Anwendung kommt. Heute wird es auch außerhalb der Wissenschaft für maschinelles Lernen eingesetzt.
Markow-Entscheidungsprozess
Eines dieser wissenschaftlichen Methoden ist das Markow-Entscheidungsproblem beziehungsweise der Markow-Entscheidungsprozess. Der russische Mathematiker Markow hat in seinen Forschungen mehrere Strategien zur Entscheidungsfindung in einen reproduzierbaren Prozess zusammengeführt.
Lineare Regression
Ein einfaches Beispiel für eine Strategie ist die lineare Regression. Sie beruht darauf, dass eine Entwicklung als linear angenommen wird. Ein Beispiel aus dem Alltag ist das Füllen einer Badewanne. Wenn in einer Minute eine bestimmte Menge Wasser in der Badewanne gemessen wird, ist es in zwei Minuten näherungsweise doppelt so viel. Diese direkte Proportionalität kann auf viele Big Data Probleme angewendet werden. So kann ein Wert in der Zukunft beziehungsweise zu einem bestimmten Ereignis vorhergesagt werden.
Die lineare Regression ist Bestandteil vieler wissenschaftlicher Code-Bibliotheken und kann daher direkt von Dir genutzt werden.
Nun hast du alle Voraussetzungen, die Du zum Programmieren von Machine Learning benötigst. Und wie geht es jetzt los?
Die 5 besten Tutorials
Die meisten Programmierer sind Autodidakten. Du auch? Dann lernst Du am besten mit einem Tutorial Deiner Wahl. Wir haben Dir die 5 besten Tutorials herausgesucht:
1) Eine kostenpflichtige aber hochwertige Möglichkeit den Umgang mit Python zu erlernen findest du in diesem Python Komplettkurs!
2) Unter https://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer findest Du ein Tutorial, was Dich von der Theorie über die Basiskonzepte bis hin zu ersten Beispiel führt. So kannst Du den Beispielen immer folgen und kennst auch die Hintergründe der genutzten Mechanismen.
2) Ein tolles Tutorial in Form einer Schritt-für-Schritt-Anleitung findest du unter https://machinelearningmastery.com/machine-learning-in-python-step-by-step/ . Dieses Tutroial eignet sich vor allem für diejenigen, die direkt loslegen wollen. Denn der Appetit kommt meist beim Essen.
Ebenfalls zu empfehlen ist auf jeden Fall: https://www.g-webservice.de/python-machine-learning-tutorial/ – Ein Schritt für Schritt Tutorial von einem IT-Studierenden.
3) Ein ähnliches Tutroial für die Nutzung der Programmiersprache R gibt es unter https://machinelearningmastery.com/machine-learning-in-r-step-by-step/ . Hier lernst Du vor allem, wie Du die Bibliothek und ihre Bestandteile optimal nutzt.
4) Für MathLab gibt es ein tolles Tutorial unter https://www.mathworks.com/help/stats/getting-started-12.html . Es zeigt Dir, wie Du mit MatLab zu eigenem Machine Learning Code kommst.
5) Wenn Du eher der visuelle Typ bist, gibt es unter https://www.youtube.com/watch?v=G7fPB4OHkys eine tolle Einführung zum Thema Machine Learning. Von hier aus bekommst du weitere Videos vorgeschlagen, die Dich in Deiner Art zu lernen unterstützen.
Machine Learning für jeden
Machine Learning ist kein Geheimnis, das nicht zu knacken ist. Vielmehr handelt es sich dabei um das Zusammenführen bekannter wissenschaftlicher Konzepte. Sicherlich braucht es einige Zeit, bis Du Dich in die Materie eingearbeitet hast, vor allem wenn Du noch nicht mit den Konzepten gearbeitet hast. Aber wenn Du mit kleinen Beispielen beginnst, kannst Du schon bald große Probleme lösen. Und für den aktuellen IT-Arbeitsmarkt macht Dich das sowieso attraktiv.