Machine Learning

Machine Learning ist in aller Munde: Wir machen maschinelles Lernen für sie einfach nutzbar und helfen Ihnen Ihre Geschäftsprozesse zu optimieren. Viele wiederkehrende Aufgaben lassen sich heute bereits schneller, effizienter und mit weniger Fehlern von Maschinen durchführen. Künstliche Intelligenz wendet das erlernte Wissen an. Die Welt des maschinellen Lernens ist hochkomplex und sehr vielfältig. Als herstellerunabhängiger Anbieter beraten wir Sie gerne die richtigen Algorithmen und Verfahren des maschinellen Lernens in die Praxis umzusetzen.

Drei große Kategorien

Maschinellen Lernen lässt sich in drei große Kategorien einteilen: “Überwachtes Lernen”, “Unüberwachtes Lernen” und “Bestärkendes Lernen”. Wir stellen Ihnen die Kategorien hier kurz vor: Die folgenden Beispiele und Beschreibungen erheben nicht den Anspruch auf Vollständigkeit. Sie sollen lediglich einen anschaulichen Überblick über einige Facetten des Machine Learning geben.

1. Überwachtes Lernen aka Supervised Learning

Das überwachte Lernen (oder im Englischen "Supervised Learning") ist eine Teildisziplin des Maschinellen Lernens. Man spricht vom überwachten Lernen immer dann, wenn mit Hilfe von sogenannten Trainingsdaten ein System geschult bzw. trainiert wird. Das klingt zunächst abstrakt, deswegen hier ein anschauliches Beispiel. Angenommen wir möchten eine Adresse auf einem Briefumschlag automatisiert erkennen, um einen Brief einem bestimmten Postleitzahlengebiet zuzuordnen. Wir übermitteln also einem System das handgeschriebene Bild mit der Ziffer 9 und vermerken dazu, dass es sich bei diesem Bild um die Ziffer 9 handelt.

Als nächstes übermitteln wir ein weiteres Bild mit der Ziffer 9 in einer anderen Handschrift, wieder mit dem Vermerk, dass es sich um die Ziffer 9 handelt. Diesen Vorgang wiederholen wir mit vielen verschiedenen Handschriften.

Der Machine Learning Algorithmus wird auf diese Weise angelernt, um zukünftig selbstständig entscheiden zu können, ob es sich bei dem eingereichten Bild um die handschriftliche Abbildung der Ziffer 9 handelt. Wenn nun mit Hilfe eines Machine Learning Algorithmus die Postleitzahl auf einem Briefumschlag erkannt werden soll, muss dieser Vorgang mit großen Mengen an unterschiedlichen Handschriften und allen Ziffern wiederholt werden.

Anschließend kann die angelernte Maschine eine noch nicht bekannte Handschrift entschlüsseln und erkennen, dass es sich bei noch nicht bekannten handgeschriebenen 9 mit einer hohen Wahrscheinlichkeit um die Ziffer 9 handelt.

2. Unüberwachtes Lernen aka Unsupervised Learning

Beim unüberwachten Lernen wird mit unbekannten Daten gearbeitet. Es wird beispielsweise mit Clustering Verfahren gearbeitet, um Daten zu kategorisieren. So können z.B. große Mengen an Transaktionsdaten automatisiert klassifiziert werden. Ein Bankinstitut könnte auf diese Weise alle Transaktionen eines Kunden in verschiedene Segmente einteilen und dem Kunden so eine Übersicht zur Verfügung stellen wieviel Geld im Lebensmittelladen, Drogeriemarkt oder im favorisierten Online-Shop ausgegeben wurde. Beim unüberwachten Lernen muss also die Fragestellung nicht vorher bekannt sein. Vielmehr ist es Ziel des unüberwachten Lernens aus den Ergebnissen bestimmte Schlüsse ziehen zu können.

3. Bestärkendes Lernen

Beim bestärkenden Lernen wird mit Belohnung und Bestrafung gearbeitet. Das selbstlernende System probiert als zufällig Wege aus, um ein bestimmtes Ziel zu erreichen. Für jeden Schritt zum Ziel wird eine Belohnung bzw. für verbotene Schritte eine Bestrafung  gegeben. Auf diese Weise lernt das System welche Schritte gut oder schlecht waren und wiederholt die guten Schritte bis es den gewünschten Zielzustand erreicht. Dabei findet natürlich nicht eine Einteilung in gut oder schlecht statt. Vielmehr wird mathematisch ermittelt welchen Anteil jeder gute Schritt an der Zielerreichung hatte. Das klingt etwas abstrakt und tatsächlich lassen sich im Geschäftsumfeld nur schwer einfache Anwendungsfälle definieren, weswegen wir nicht weiter im Detail auf das bestärkende Lernen eingehen.

Sollten Sie Bedarf in Ihrem Umfeld erkennen, beraten wir Sie gerne wie Sie mit bestärkendem Lernen den Bedarf decken können.

Interessante Anwendungsfälle, die unsere TWT Experten umgesetzt haben

Wichtige Vorarbeit durch Maschinen

So kann zum Beispiel in der Posteingangsklassifizierung ein Schreiben innerhalb von weniger Millisekunden dem richtigen Sachbearbeiter zugeordnet werden, was bisher zum Teil Stunden gedauert hat. In der Betrugserkennung von Versicherungen können Maschinen wichtige Dienste leisten. In wenigen Sekunden werden Tausend Informationen zu einem Fall ergänzt und bewertet, sodass eine wichtige Vorarbeit abgedeckt ist. Weiterhin unterstützen die Maschinen in der Klassifizierung von Bildern und im Erkennen von Objekten.

Mit der Vision API unzählige Objekte erkennen

Dank der großen Cloud Anbieter steht nahezu unendliche Rechenleistung und das Wissen zur Verfügung, um Modelle einfach und kosteneffizient anzulernen. Durch die Unmengen an Bildern, welche Google zur Verfügung stehen, hat Google zum Beispiel mit der Vision API eine Schnittstelle zur Verfügung gestellt, welche beliebige Objekte auf Bildern erkennt und einschätzen kann, ob Bilder gegebenenfalls anstößig sind. Nutzen Sie unsere jahrelange Erfahrung unserer Machine Learning Experten und erschließen  Sie die Potentiale, die sich durch Machine Learning ergeben. Wir machen diese für Sie einfach nutzbar.

    WENN AUCH SIE NEUE BUSINESS POTENTIALE FÜR IHR UNTERNEHMEN ERSCHLIESSEN WOLLEN KONTAKTIEREN SIE UNS GERNE!

    BUSINESS-SOLUTIONS-SALES@TWT.de

     +49 211 601 601  5991

    Animierte Karte zeigt wie gravierend der demografische Wandel in Europa ist

    15.11.2017 Ob sinkende Geburtenrate oder steigende Lebenserwartungen: In den kommenden Jahren muss sich die Welt mit zahlreichen demografischen Herausforderungen auseinandersetzen. Vor allem die alternde… read more

    Mit Google Data Studio veröffentlicht Google eine einfach zu bedienende Business Intelligence Lösung

    09.11.2017 Mit Google Data Studio können Sie all Ihre Daten miteinander verbinden und in ansprechende und aussagekräftige Reports verwandeln. Diese sind komplett anpassbar, leicht zu verstehen und einfach zu… read more

    Kennen Sie diese 7 Top-Trends der Datenvisualisierung für 2018

    07.11.2017 Data Science ist ein schnell wachsender Bereich in allen Branchen. Standortdaten und eine hochwertige Datenvisualisierung bringen Unternehmen neue Erkenntnisse und erweiterte Business-Modelle.… read more

    Senior Business Development Manager Google Maps in Düsseldorf / Köln

    Du willst in Vollzeit für eine dynamisch wachsende, erfolgreiche Agentur arbeiten, die Google for Work Premier Partner ist? Die Google Produkte wie Enterprise Search, Maps und Apps begeistern Dich?…
    Jetzt bewerben