Kursempfehlung „Machine Learning“

Die heutige Kursempfehlung befaßt sich mit dem Themenbereich „Machine Learning“, das derzeit in der Fachwelt heiß diskutiert wird, um Anwendungen intelligent zu machen.

Einführung

Heutzutage sieht man auf Messen und in den einschlägigen Youtube Channels oft die eher spektakulären Beispiele für die künstliche Intelligenz, wie das autonome Fahren. Künstliche Intelligenz und die Algorithmen des Maschinenlernens kommen aber auch bei sehr viel unspektakuläreren Anwendungen, und dort quasi im Hintergrund zur Anwendung.

In solchen Anwendungen sind diese Techniken dann aber nicht weniger wichtig. Beispiele sind die Verfahren zur Entdeckung von Anomalien, die z.B. benötigt werden, um Betrugsversuche bei Kreditkartenzahlungen entdecken zu können.

Ich habe gerade online einen Kurs absolviert, der mir viel gebracht hat. Ich möchte heute kurz auf diesen Kurs eingehen, um Ihnen diesen nahezubringen.

Machine Learning

Im Gegensatz zu anderen Kursen geht diese Lerneinheit mit dem Titel „Maschinelles Lernen“ (siehe den Link in der Anlage) im ersten Teil in großer Tiefe auf die mathematischen Methoden ein, die hierbei zum Einsatz kommen. Um den Vorträgen in der Tiefe folgen zu können, schadet Ihnen hierbei ein guter Überblick über „mathematisch- statistische Methoden“ nicht. Beispiele für Lerninhalte, die hier vermittelt werden, sind die Methoden der Klassifikation und Regression, oder das Clustering im Rahmen des nicht-überwachten Lernens.

Neben den mathematisch-statistischen Methode werden aber auch die Techniken behandelt, die man gemeinhin eher unter dem Obergriff „KI“ ansiedeln würde. Beispiele hierfür sind die „Convolutional Neural Networks (CNN)“ oder die „Neuronale Netze“.

Bei den Werkzeugen geht es in der zweiten Woche um die Tools, die eingesetzt werden, um Modelle des maschinellen Lernens zu implementieren. Man sollte hierbei im Hinterkopf behalten, daß der Kurs hierbei nur einen Ausschnitt aus dem Spektrum zeigt.

So wird Google’s TensorFlow angesprochen, und eine eigene Entwicklung mit dem Namen „RapidMiner“, dafür werden aber große und oft genutzte Bibliotheken nicht weiter ausgeführt. Beispiele hierfür sind SPARK ML, Theano, H2O oder R, um nur einige quelloffene Lösungen zu nennen (siehe Wikipedia anbei).

Der Kurs wird mit Beispielen aus der Praxis und abgerundet, und vergißt darüberhinaus nicht, ethische und rechtliche Aspekte anzusprechen.

Speziell in diesem Praxisteil sind viele „Perlen“ zu finden, und konkrete Hinweise auf reale Anwendungen und Anwendungsprobleme.

Fazit

Wie immer finden Sie die Links auf die Kurse im Anhang. Sie benötigen lediglich einen User, um das kostenlose Lernmaterial selbst zu nutzen. Die Kursbeschreibung und die Agenda, die dort zu finden ist, hilft Ihnen dabei, einen ersten Eindruck zu bekommen, ob Ihnen der Kurs etwas bringt.

Ich halte den Kurs für einen schwierigen, aber sehr guten Einstieg in das Thema und die entsprechenden Methoden, und kann ihn empfehlen. Auch die Überprüfungsfragen sind teilweise garnicht trivial.

Weiterführende Informationen

Das Original dieses Artikels ist auf Der Produktmanager erschienen (©Andreas Rudolph). Folgeartikel zum Thema gibt es über die (→Mailingliste), oder indem Sie →mir auf Twitter folgen.

In der Online Version des Artikels finden Sie hier die versprochenen weiterführenden Links:

0saves
If you enjoyed this post, please consider leaving a comment or subscribing to the RSS feed to have future articles delivered to your feed reader.

Comments are closed.