Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).
Unterschied erklärt: KI / Machine Learning / Deep Learning / Data Science
Das Wichtigste aus dem Video
Tipp auf eine Zeit – das Video springt genau dorthin.
Transkriptautomatisch erstellt · 39 Zeilen
- ich weiß nicht wie of ich gefragt werde was denn eigentlich der Unterschied zwischen KI und machine learning ist und was dann wiederum der Unterschied
- zwischen data science und Deep learning und genau deswegen werde ich in diesem Video einfach mal auf die Begriffe genau eingehen werde dir den Unterschied
- erklären und wie diese ganzen Begriffe miteinander zusammenhängen fangen wir mit dem beliebtesten Thema an und zwar eins was in den Medien heutzutage rauf
- und runter gerattert wird und zwar KI oder künstliche Intelligenz KI ist laut offizieller Definition des EU-Parlaments ich lese vor die Fähigkeit einer Schiene
- menschliche Fähigkeiten wie logisches Denken lernen Plan und Kreativität zu imemitieren wichtig an dieser Stelle aber zu sagen ist dass das das Endziel
- sozusagen ist ein Stichwort Agi generell KI da näheren wir uns gerade mit großen Schritten hin fast wöchentlich kommen neue News und auf der einen Seite finde
- ich erschreckend auf der anderen Seite aber total faszinierend weil diese Technologien natürlich auch viele Möglichkeiten bieten hierauf Innovation
- zu schaffen in diesem Bereich arbeiten hauptsächlich kiengineers und computerscienst der nächste Begriff ist machine learning hast vielleicht schon
- mal gehört und machine learning ist eine Unterkategorie von KI und wenn den Medien häufig über KI gesprochen wird wird meistens machine learning gemeint
- was verbirgt sich hinter dem Begriff hinter dem Begriff verbirgt sich dass wir versuchen ein Modell darauf zu trainieren etwas zu lösen ein Problem zu
- lösen wo es uns als Menschen sehr schwer fällt Regeln für zu finden ein gutes Beispiel hierfür ist den Unterschied zu erkennen zwischen einem Hund und einer
- Katze wenn wir als Menschen hier eine Regel finden wollen würden dann könnten wir beispielsweise sagen eine Katze ist immer kleiner als ein Hund aber was ist
- wenn wir beispielsweise einen Dackel vor uns hätten der ist wahrscheinlich kleiner als irgendeine Katze und da siehst du schon die Limitierung deshalb
- ist es so dass wir machine learning einfach ganz ganz ganz ganz viele Trainingsdaten reingeben in den Algorithmus in das Modell und sagen hey
- erkenn doch mal selbst bitte die Regeln und find hier die Lösung so dass du klassifizieren kannst ist es jetzt ein Hund oder ist es eine Katze bei machine
- learning gibt es grob gesagt drei verschiedene Kategorien es gibt auf der einen Seite einmal das sogenannte supervised learning bei beim supervised
- learning ist es so dass wir beispielsweise ganz viele Daten von Hunden und Katzen in den Algorithmus in das Modell reingeben aber auch immer
- sagen hey das ist ein Hund und das ist eine Katze und dann soll es darauf basierend die Regeln finden dann gibt es als zweites das unsupervised learning
- hier sagen wir nicht was ein Hund und was eine Katze ist sondern der Algorithmus soll sozusagen die Muster in den Daten selbst erkennen und sogenannte
- cllusterbilden in der Praxis und als drittes gibt es dann noch reinforcement learning reinforcement learning wird beispielsweise verwendet wenn du keine
- Ahnung eine KI hast ein machining Algorithmus der selbständig lernt wie es am besten flappy bird dieses Spiel spielt und zum bestimmten Ziel kommt
- dann gibt's noch einen weiteren Begriff und zwar deep learning deep learning ist wiederum eine Unterkategorie des machine Learnings und versucht mehr oder weniger
- eigentlich nachzukonzipieren wie das menschliche Gehirn arbeitet und eigenständig lernt hier versuchen wir mit großen neuronalen Netzen zu arbeiten
- die wiederum in verschiedene Schichten eingeteilt sind sogar sogenannte layers und damit lassen sich häufig sehr sehr gute Ergebnisse erzielen wenn du z.B mal
- Dolly oder mid journey verwendet hast dann hast du im Prinzip schon ein neuronales Netz verwendet weil die basieren im Grunde darauf sehr viele
- Grafiken an dieser Stelle die wir in diesem Video vielleicht schon verwendet haben oder in anderen Videos sind übrigens damit gemacht viele Leute
- unterschätzen an der Stelle häufig das Potenzialen von neuronalen Netzen weil gerade so ein einfaches neuronales Netz das sieht auf dem Papier sehr einfach
- aus du hast so ein paar Layer die alle miteinander verbunden sind aber in der Praxis ist es eigentlich so dass du so ein riesen datenwo steht wo alle
- Optionen miteinander kombiniert werden alle möglichen Gewichte ausgespielt werden und so die optimale Lösung herbeigeführt wird also das ist wirklich
- ein sehr sehr mächtiges Instrument wie passen jetzt diese Themengebiete mit dem Themengebiet data science zusammen nun data science ist im Prinzip die
- Kombination aus allen diesen Gebieten bzw data scientist bedient sich in der Praxis einfach beliebig z.B be machin learning an KI oder deep learning
- Reichert diese Gebiete aber noch an durch Themen wie Statistik wahrscheinlichkeits Rechnung und ganz wichtig auch noch businessverständnis
- oder einer spezifischen domainenexertise das heißt du wirst in der Praxis vielleicht mal ein machine learning Modell trainieren um irgendeinen Prozess
- zu automatisieren im Ingenieursbereich beispielsweise wenn du Ingenieur bist oder du wirst einen KI Programm bauen für ein bestimmtes Problem aber du wirst
- gleichzeitig dann auch noch irgendwas im Business machen Geschäftsentscheidungen treffen die Businesslogik im Hinterkopf haben und das ganze statistisch
- auswerten falls du sagst du interessierst dich für einen der Bereiche oder sagst vielleicht Sog du möchtest data scienst data Analyst
- werden dann haben wir sogar eine Weiterbildung Programm die ist kostenfrei für alle Arbeitslosen und Arbeitssuchenden über ein
- Bildungsgutschein und falls Dich da einfach mal ein bisschen informieren möchtest packe ich dir einfach mal den Link zu unserer Website in die
- Videobeschreibung [Musik]
Zum Nachlesen
Maschinelles LernenMaschinelles Lernen (ML) entwickelt, untersucht und verwendet statistische Algorithmen, auch Lernalgorithmen genannt. Solche Algorithmen können lernen, …
Deep LearningDeep Learning erlaubt die Verarbeitung und Analyse komplexer Datenmuster; dazu verwendet Deep Learning tiefe hierarchische neuronale Netze, die automatisch …
Data ScienceDer Begriff Data Science (dt. etwa Datenwissenschaft) bezeichnet die Wissenschaft von der Extraktion von Wissen aus Daten, um daraus zu lernen.
Erweiterte IntelligenzDiese Art der Verarbeitung wird auch unüberwachtes Lernen genannt, da die Algorithmen selbstständig Zusammenhänge in den Datensätzen erkennen und darstellen.