Analytics

Systemische Sammlung, Analyse, Aufbereitung und Darstellung Ihrer Daten für optimale operative und strategische Entscheidungen.

Advanced Analytics
Mit Hilfe von Advanced Analytics Lösungen gelingt es, entscheidende Verbesserungen in...
Mehr lesen
Predictive Analytics & Maintenance
Predictive Analytics ermöglicht es, mit Hilfe unternehmenseigener Daten zukünftige Trends...
Mehr lesen
Selfservice BI, Adhoc Analysen
Die Anwender der einzelnen Fachabteilungen können jederzeit eigenständig und unabhängig...
Mehr lesen
Machine Learning
Ein System lernt aufgrund eines aus Algorithmen aufgebauten Modells aus bereits erfolgten...
Mehr lesen
Digitalisierung, IoT & Industrie 4.0
Daten werden in sämtlichen Unternehmensprozessen generiert, gesammelt und analysiert....
Mehr lesen
Data Science
Data Science bietet Ihnen die Chance - nicht auf den ersten Blick ersichtliches Wissen -...
Mehr lesen

Development

Umfassende Situationsanalyse, fundierte Beratung, professionelle Umsetzung individueller Softwarelösungen sowie kompetente Unterstützung.

Development
Wir entwickeln für Sie individuelle Lösungen mit projektspezifischen Funktionen.
Mehr lesen
Business Process Management
​​​​​​​Wir führen durch das Business Process Management eine kontinuierliche Verbesserung...
Mehr lesen
SharePoint Entwicklung
Unsere SharePoint EntwicklerInnen, entwickeln und erstellen Konzepte und Lösungen für die...
Mehr lesen
Internet of Things
Das Internet der Dinge (Internet of Things; IOT) beschreibt die zunehmende Vernetzung...
Mehr lesen
Zur Übersicht
Zur Startseite
Schliessen

Aktuelles

Neuigkeiten rund um cubido.
Zur Übersicht

Ist Machine Learning noch up to date?

Ich werde in letzter Zeit oft von einigen Kunden gefragt, ob das Thema und die Technologie zu Machine Learning nicht schon bald obsolet sei. Die Themen AI und Deep Learning dominieren derzeit die Sozialen Medien und Tech-Zeitschriften. Aber warum stellen unsere Kunden nun vermehrt diese Frage?

Eigentlich ist es lediglich ein Abgrenzungsthema, denn Machine Learning und Deep Learning sind nicht nur dem Namen nach sehr verwandt, sondern bei Deep Learning handelt es sich eigentlich um eine Untergruppe. Aber ja, diese Untergruppe ist bekanntlich fähig, die modernen Probleme wie Bilderkennung, Spracherkennung und sogar Videointerpretation hervorragend zu lösen.

Somit wären wir auch schon beim zweiten Begriff, nämlich der Artificial Intelligence (aka Künstliche Intelligenz, AI, KI, usw.). Die Aufgaben des menschlichen Gehirns sind nämlich traditionellerweise für den Computer unheimlich kompliziert und umgekehrt. Unser Gehirn tut sich zum Beispiel schwer damit, 2.12345677900777777 hoch 2.122333 zu rechnen, nicht so der Computer. Für uns ist es wiederum ein Klacks, ein echtes Auto von einem Bild oder Spielzeugauto zu unterscheiden. Ein „Computer“ hat hier aber seine Schwierigkeiten. Für ihn ist es unheimlich kompliziert.

Genau aus dieser Schwierigkeit haben nun die Machine Learning Algorithmen rund um Neuronale Netze (und deren Verwandte) und das Deep Learning (Neuronale Netze mit vielen Hidden Layers bzw. versteckten Schichten) lösbare Probleme gemacht. Die Lösung findet sich aber zumeist in einem sehr rechenintensiven und parametersensiblen Modell, welches ohne Pruning und Tuning, und was wir Data Scientisten sonst so gerne machen, etwas sehr Instabiles werden kann.

Die Herausforderung ist es, hier von einem reinen Modell zu einer Lösung zu gelangen. Für andere Herausforderungen – abgesehen von AI und KI – brauchen wir ein anderes Toolkit. So lassen sich zum Beispiel Vorhersagen zur Predictive Maintenance, Customer Churn, Stromverbrauch, Budget, Absatz oder von Preisen zumeist immer noch am optimalsten mit den herkömmlichen Machine Learning Methoden/Algorithmen lösen. Diese Machine Learning Methoden sind wesentlich effizienter als die des Deep Learning.

Lassen Sie mich bitte abschließend den Ideengeber William Vorhies für diesen Beitrag zitieren: „So decidedly no, Deep Learning has not and will not make traditional Machine Learning techniques obsolete. And yes, to become a data scientist, you need to master the full traditional ML toolkit.“

Blog | Data Science
05. Juli 2019 von Mario Schnalzenberger
Werbeagentur Moremedia, Linz