Lernen Maschinen so selbstständig wie wir Menschen? Als Machine-Learning-Experte weiss ich: nicht ganz. In “Torch”, unserer neuen Data-Science-Serie, zeige ich dir, wie "intelligent" Maschinen wirklich sind und bei welchen Aufgaben sie Unterstützung von uns Menschen brauchen.
Nach welchen Prinzipien Machine-Learning-(ML)-Algorithmen lernen.
Was “Adversarial Attacks” sind und wie sie den Output deines ML-Algorithmus verändern können.
Wie du deinem Algorithmus beibringen kannst, unklassifizierte Objekte zu klassifizieren.
Willst du einen aktuellen, vielversprechenden Ansatz für Machine Learning sehen? In meinem Takeaway stelle ich ein Forschungsprojekt vor, das maschinelles Lernen dem menschlichen Lernen näherbringt, und zeige, inwiefern dies für deine eigenen Use Cases relevant ist.
Hallo, ich bin Frank und seit 2020 als Platform Architect bei Trivadis – Part of Accenture tätig. Davor war ich über 14 Jahre bei dem Chemieunternehmen BASF in verschiedenen Rollen und Positionen unterwegs. Als wissenschaftlich orientierter Mensch mit ausgeprägtem Praxisbezug habe ich Spass daran, anderen die Welt von KI und ML zu erklären. Ausserdienstlich bin ich leidenschaftlicher Live-Gitarrist mit Hang zur musikalisch eher härteren Gangart, und quäle in verschiedenen Bands die Musikerkollegen mit viel zu viel Verzerrung. P. S.: Hat dir meine "Torch"-Episode gefallen? Dann kontaktiere mich gerne – es würde mich freuen, die Fackel (en. “torch”) weiterzureichen und damit deine Begeisterung für Data Science zu entfachen!
Was ich dir mitgebe
Die Vorstellung, dass Maschinen so selbstständig wie Menschen lernen, führt gern zu falschen Erwartungen. Gibt es denn Ansätze, die Machine Learning dem menschlichen Lernen näherbringen? Und was würde das nützen? Das erfährst du in diesem Takeaway ...
