Maschinelle Lernsysteme entwerfen

Kapitel 1. Überblick über maschinelle Lernsysteme

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Im November 2016 gab Google bekannt, dass es sein mehrsprachiges neuronales maschinelles Übersetzungssystem in Google Translate ( ) integriert hat und damit eine der ersten Erfolgsgeschichten von tiefen künstlichen neuronalen Netzwerken in der Produktion in großem Maßstab schrieb.¹ Nach Angaben von Google hat sich mit diesem Update die Qualität der Übersetzung in einem einzigen Schritt mehr verbessert als in den 10 Jahren zuvor zusammen.

Dieser Erfolg von Deep Learning hat das Interesse an maschinellem Lernen (ML) auf neu entfacht. Seitdem haben sich immer mehr Unternehmen ML zugewandt, um Lösungen für ihre schwierigsten Probleme zu finden. In nur fünf Jahren hat ML seinen Weg in fast jeden Aspekt unseres Lebens gefunden: wie wir auf Informationen zugreifen, wie wir kommunizieren, wie wir arbeiten, wie wir Liebe finden. Die Verbreitung von ML ist so rasant, dass es schon jetzt kaum noch wegzudenken ist. Doch es gibt noch viele weitere Anwendungsfälle für ML, die darauf warten, erforscht zu werden, z. B. im Gesundheitswesen, im Verkehrswesen, in der Landwirtschaft und sogar, um uns zu helfen, das Universum zu verstehen.²

Viele Menschen denken bei dem Begriff "maschinelles Lernsystem" nur an die verwendeten ML-Algorithmen wie die logistische Regression oder verschiedene Arten von neuronalen Netzen. ...