Unterschied erklärt: KI / Machine Learning / Deep Learning / Data Science
Fabian Rappert | Data Science Institute
https://www.youtube.com/watch?v=-e0DlmR0BgA

Transkript (automatisch erstellt)

0:00 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
0:06 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
0:13 erklären und wie diese ganzen Begriffe miteinander zusammenhängen fangen wir mit dem beliebtesten Thema an und zwar eins was in den Medien heutzutage rauf
0:20 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
0:30 menschliche Fähigkeiten wie logisches Denken lernen Plan und Kreativität zu imemitieren wichtig an dieser Stelle aber zu sagen ist dass das das Endziel
0:39 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
0:48 ich erschreckend auf der anderen Seite aber total faszinierend weil diese Technologien natürlich auch viele Möglichkeiten bieten hierauf Innovation
0:55 zu schaffen in diesem Bereich arbeiten hauptsächlich kiengineers und computerscienst der nächste Begriff ist machine learning hast vielleicht schon
1:02 mal gehört und machine learning ist eine Unterkategorie von KI und wenn den Medien häufig über KI gesprochen wird wird meistens machine learning gemeint
1:11 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
1:19 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
1:27 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
1:33 wenn wir beispielsweise einen Dackel vor uns hätten der ist wahrscheinlich kleiner als irgendeine Katze und da siehst du schon die Limitierung deshalb
1:40 ist es so dass wir machine learning einfach ganz ganz ganz ganz viele Trainingsdaten reingeben in den Algorithmus in das Modell und sagen hey
1:47 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
1:53 learning gibt es grob gesagt drei verschiedene Kategorien es gibt auf der einen Seite einmal das sogenannte supervised learning bei beim supervised
2:00 learning ist es so dass wir beispielsweise ganz viele Daten von Hunden und Katzen in den Algorithmus in das Modell reingeben aber auch immer
2:07 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
2:15 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
2:23 cllusterbilden in der Praxis und als drittes gibt es dann noch reinforcement learning reinforcement learning wird beispielsweise verwendet wenn du keine
2:32 Ahnung eine KI hast ein machining Algorithmus der selbständig lernt wie es am besten flappy bird dieses Spiel spielt und zum bestimmten Ziel kommt
2:40 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
2:49 eigentlich nachzukonzipieren wie das menschliche Gehirn arbeitet und eigenständig lernt hier versuchen wir mit großen neuronalen Netzen zu arbeiten
2:57 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
3:05 Dolly oder mid journey verwendet hast dann hast du im Prinzip schon ein neuronales Netz verwendet weil die basieren im Grunde darauf sehr viele
3:11 Grafiken an dieser Stelle die wir in diesem Video vielleicht schon verwendet haben oder in anderen Videos sind übrigens damit gemacht viele Leute
3:17 unterschätzen an der Stelle häufig das Potenzialen von neuronalen Netzen weil gerade so ein einfaches neuronales Netz das sieht auf dem Papier sehr einfach
3:24 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
3:31 Optionen miteinander kombiniert werden alle möglichen Gewichte ausgespielt werden und so die optimale Lösung herbeigeführt wird also das ist wirklich
3:39 ein sehr sehr mächtiges Instrument wie passen jetzt diese Themengebiete mit dem Themengebiet data science zusammen nun data science ist im Prinzip die
3:46 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
3:55 Reichert diese Gebiete aber noch an durch Themen wie Statistik wahrscheinlichkeits Rechnung und ganz wichtig auch noch businessverständnis
4:02 oder einer spezifischen domainenexertise das heißt du wirst in der Praxis vielleicht mal ein machine learning Modell trainieren um irgendeinen Prozess
4:10 zu automatisieren im Ingenieursbereich beispielsweise wenn du Ingenieur bist oder du wirst einen KI Programm bauen für ein bestimmtes Problem aber du wirst
4:18 gleichzeitig dann auch noch irgendwas im Business machen Geschäftsentscheidungen treffen die Businesslogik im Hinterkopf haben und das ganze statistisch
4:25 auswerten falls du sagst du interessierst dich für einen der Bereiche oder sagst vielleicht Sog du möchtest data scienst data Analyst
4:31 werden dann haben wir sogar eine Weiterbildung Programm die ist kostenfrei für alle Arbeitslosen und Arbeitssuchenden über ein
4:37 Bildungsgutschein und falls Dich da einfach mal ein bisschen informieren möchtest packe ich dir einfach mal den Link zu unserer Website in die
4:42 Videobeschreibung [Musik]