Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).
Machine Learning für Anfänger: Was ist das? Die Grundlagen einfach erklärt
Das Wichtigste aus dem Video
Tipp auf eine Zeit – das Video springt genau dorthin.
Transkriptautomatisch erstellt · 84 Zeilen
- wie viele versuche braucht eine maschine um in eine bar zu kommen hallo welt na ja wie viele versuche so braucht das
- kann man nicht so genau sagen denn das hängt vom maschinen learning modell ab ja was machine learning genau ist und wie du das lernen kannst zeige ich dir
- in diesem video was ist machine learning ja wenn man das jetzt mal mit der klassischen programmierung vergleicht kann man das so oder mit einem
- klassischen software programm vergleicht ist es machine learning eben nicht ein programm was nur eine aufgabe löst eigentlich schon weil es löst eine
- konkrete aufgabe aber wenn ich als softwareentwickler ein programm schreibe dann gebe ich der gebe ich dem computer konkrete anweisung wie er ein problem
- lösen muss ja das heißt ich sag dem markt schritt 1 2 3 4 5 und dann weiß ich als software entwickler jetzt mein problem gelöst
- im maschinenring funktioniert das ein bisschen anders denn dort schreibt man als entwickler ein programm welches etwas dem computer beibringen soll
- wie funktioniert denn das na ja letztendlich macht der computer dann mit der maschine also die maschine was die lernt ist anhand daten entscheidungen
- oder voraussagen zu treffen der computer muss eben muster aus daten heraus erkennen anstatt irgendwie eine aufgabe mit einer
- befehls folge zu lösen ja und man kann es vielleicht ein bisschen konkreter machen ich habe ja gerade schon angesprochen
- der unterschied ist wirklich dass man eben nicht irgendwie fünften fehle nacheinander abarbeiten und dann ist das problem gelöst sondern man hat diese
- befehle die dem computer daten geben der computer muss dann anhand bestimmter gewisser gewisse algorithmen diese muster in diesen daten erkennen und löst
- damit erst die aufgabe also die programmierer kennen oft den lösungsweg gar nicht sondern der recht der der computer erkennt die lösung anhand der
- datenlage und der algorithmen die dann zum lernen genutzt werden ja die basis dafür ist einmal die softwareentwicklung an sich also die
- basis die man natürlich auch schon so hat aber auch die statistik ja also die typischen buzzwords sind da eben data science- big data und predictive
- analysis ja es gibt die verschiedensten lernmethoden es gibt das supergirl ich das ernst beweist learning und das für den forst und learning und was diese
- ganzen sachen bedeuten wirst du dann noch später lernen wenn du dich in dieses thema tiefer ein krebs ja warum braucht man denn eigentlich machine
- learning warum nutzt man nicht einfach die klassische lösung naja einmal warum du machine learning brauchst ist die nachfrage auf dem markt
- nach machine learning ist riesig und dementsprechend sind auch die gehälter für leute die machine learning können auch ebenfalls riesig dass man beim
- maschinenring auch gemerkt hat ist daten sind mächtig ja also wer die daten hat hat die macht und ja wer viele daten sammeln kann kann
- damit auch dinge einer maschine beibringen ein gutes beispiel ist google alle diesen ganzen suchergebnisse die du
- quasi täglich fast täglich in google siehst die sind natürlich durch seine maschine durchgelaufen und ja wert auf platz eins steht entscheidet schon lange
- nicht mehr der mensch sondern eben die maschine anhand gewisser kriterien meiner meinung nach ist machine learning auch ja die nächste stufe der software
- entwicklung das ganze ist momentan ein bisschen schwergängig und noch nicht so ganz erforscht aber wenn das ganze wirklich
- erst mal von allen wirklich genutzt werden kann dann glaube ich dass das ein wertvolles werkzeug sein wird was man in der
- software entwicklung nutzen kann und wie wir schon bereits an diese hatte google nutzt es facebook genutzt dass amazon im prinzip die ganz großen unternehmen die
- nutzen machine learning schon bereits im großen stil wenn zb spracherkennung benutzt oder auf facebook unterwegs bist dann bist du quasi schon mittendrin und
- ja du siehst im prinzip die ergebnisse die wir aus machine learning heraus gepurzelt sind was sind denn eigentlich die
- voraussetzungen um geschieden learning zu lernen ja also einmal muss man natürlich kein mathe oder programmierer profi sein aber
- wenn man kenntnisse kern kenntnisse in diesen bereichen hat das ist dann schon wirklich wichtig denn nur so wirst oder auch schnell vorankommen der rest ist
- dann relativ einfach denn eigentlich ist machine learning nur ja die konzepte der statistik und softwareentwicklung auf daten anzuwenden also du hast dann einen
- riesen datenberg und benutzt die methoden der statistik und der software um daraus eben die maschinen der maschine etwas beizubringen die ersten
- themen für deine start im machine learning sind klassischerweise python statistik ja und ein bisschen mathe für data science kommen wir zu den punkten
- wie man das ganze nun erlernt punkt nummer eins ist das lernen selbst also wichtig ist dass du dir jetzt quasi nicht nur die ganze zeit die dinge
- recherchiert oder versuchte die ganze theorie rhein zu ziehen sondern dass du auch wirklich mal machst wenn du dich in die versuchten der theorie einzuarbeiten
- wirst du ganz ganz schnell merken dass die theorie dahinter aktuell sehr sehr wissenschaftlich ist und du wirklich ganz tief rein gehst und das ist im
- prinzip so als wenn du als programmierer anfänger direkt versucht zu verstehen wie ein prozessor und es händler funktioniert schneller ergebnis bekommst
- du wenn du wirklich direkt in die praxis rein gehst also das ist im prinzip auch die bessere position für dich weil wenn du schnell in die praxis rein kommst du
- wirst du schnellere ergebnisse haben und ja du wirst also auch schneller die erfahrung darin sammeln und dann wird die theorie auch entsprechend leichter
- fallen der nächste schritt ist eine art aufnahmemodus also wenn du anfängst dann versuche dir erstmal ein fundament zu schaffen ja also sauge möglichst viel
- theorie und wissen zu diesem thema auf ja es so ein bisschen widersprüchlich zum ersten punkt ich weiß aber die theorie ist eben notwendig für bestimmte
- themen ja also einmal du musst die ganzen prozess des machine learnings einmal natürlich theoretisch verstehen ja das ist zum beispiel
- es fängt an mit der planung und der datensammlung -erhaltung solltest du auf jeden fall wissen ok welche daten brauche ich wie viele daten brauche ich
- und bekomme ich diese daten überhaupt her dann geht es um das thema der annahmen und der vorverarbeitung ja also welche
- annahmen kannst du über die daten treffen und musste die daten irgendwie vor verarbeiten bevor sie überhaupt in so ein maschinen dörling algorithmus
- stecken kannst oder bevor du dein modell daraus aufbauen kannst ja also welche daten sind notwendig sind diese daten normalisiert und da musst du die ersten
- normalisieren also auf irgend ein gleiches level bekommen ja und wie für fehlertoleranz hast du dort hast du dort fehlerhafte daten fehlerhafte datensätze
- das sind alles dinge die du quasi in der annahme und in der vorverarbeitung beachten muss und natürlich sollst du wissen wie das ganze funktioniert
- der dritte punkt da drin ist die interpretation der ergebnisse ja ja auch wenn du jetzt nicht genau wissen mussten wir diese diese probe
- konkrete problem zu lösen ist weil das soll er letztendlich die maschine herausfinden wie das problem zu lösen ist solltest du zumindest mal wissen wie
- man die ergebnisse dieses modells interpretieren kann ja also die maschine wird die am ende ein ergebnis präsentieren und du solltest wissen
- okay ist das jetzt gut oder ist es jetzt schlecht was ich da ein ergebnis bekommen habe weil du natürlich dann auch irgendwie an den parametern und an
- den schrauben etwas drehen muss dementsprechend musste analysieren können wie das ganze interpretiert wird und herausfinden kannst ja wie zum
- beispiel ob dein modell over fit ist ja also schon über optimiert wurde der nächste punkt in dem thema ist die verbesserung und die optimierung ich
- habe es ja gerade schon kurz angesprochen es geht also darum welche parameter stehen die zur verfügung und wie kannst du die
- regulieren ja da gibt es das muss man halt erstmal ein gefühl dafür entwickeln und wissen welche parameter man da überhaupt drehen
- kann und zum letzten zum letzten punkt zu kommen okay du wirst dann fertiges modell haben das wird ja ein ergebnis liefern
- ja und das wichtigste ist natürlich ja welchen wert kannst du denn aus diesem ergebnis überhaupt ziehen gibt es einen ja ich sachen monetären nutzen oder gibt
- es irgendetwas was man da in diesem erklärten dass überhaupt anfangen kann ja und letztendlich musst du wenn du dieses thema theoretisch durch gehst
- musst du überlegen okay wenn ich eine modell aufbau wem würde dieses modell am ende helfen und das sind im prinzip die notwendigen themen die duh haben
- solltest du in der theorie schon mal bearbeitet haben solltest bevor du in die praxis rein gehst wenn du erstmal ein bisschen meine theorie eingestiegen
- bist und du verstehst okay wir sind die einzelnen schritte von maschinen lernen wie funktionieren die schritte dann solltest du einmal diesen gesamten
- prozess fokussiert durcharbeiten ja also wirklich der gesamte prozess von und ich lese jetzt einfach mal vor von sammlung säubern vorverarbeitung model building
- tuning und die analyse wenn du diesen ganzen prozess einmal verstanden hast dann solltest du dort fokussierte übungen durchführen
- ja also wirklich verwende versuche mal echte daten zu verwenden es gibt da so datenquellen wie die uci wie das uci machine learning repo es
- gibt kegel oder data punkt wo man eben schon frei verfügbare daten bekommt und mal eben quasi diesen ganzen prozess daran erlernen kann
- in die spezialthemen kannst du dann später immer noch tiefer eintauchen aber zuerst geht es darum fokussiert diese ganzen übung durchzuarbeiten und ja den
- prozess letztendlich auch praktisch zu erlernen ja und dann wird es natürlich so ein paar spezialthemen geben die aber noch
- mit zur basis gehören also das sind jetzt wirklich diese spezialthemen den titel an tiefe eintauchen kannst und ja es geht da letztendlich um das große
- ganze also diesen ganzen großen prozess das habe ich ja bereits schon gesagt oder nur schon darauf eingegangen dann geht es um die optimierung ob die
- vorverarbeitung dann gibt es themen wie sampling oder splitting die du halt auf die daten anwenden solltest das an super weißen das beweist learning habe ich
- auch schon bereits kurz angesprochen und da hat man so stichworte noch wie model evaluation und ensemble learning das ist dann das wenn es darum geht
- mehrere modelle zusammenzustecken und da noch bessere ergebnisse dabei raus zu bekommen das sind so die basis thema wenn du in
- diesem thema schon mal dich auskennst und da schon mal ein bisschen erfahrung mit gesammelt hast dann hast du schon mal diesen einstieg ins machine learning
- geschafft und ja dann kommen wir zum nächsten punkt denn nach der lernphase folgt ja die praxis und dann solltest du dir einen ersten kleinen projekte mal
- machen wenn du also die ganzen sachen erst mal gelernt hast da es auch dort schon praxis gemacht dann solltest du dir deine ersten projekte schnappen
- projekte wie zum beispiel eine handschriftenerkennung nun kann man relativ simpel bauen weil man die datenmengen einfach ja selber
- produzieren kann wenn man kann aber mit herrn schrift ganz schnell ein paar zahlen zeichnen oder was auch immer unterschreiben und kann damit dann
- machine learning durchführen du könntest aber auch zb versuchen börsenpreise vorauszusagen oder einfach den computer malen den spiel spielen
- lassen das die möglichkeiten die man durchführen kann und wichtig ist dass du eben nach einer lernphase direkt mal irgend ein
- kleineres projekt durch fürst ja und das war es eigentlich auch schon so mit dem ganz groben überblick was du eigentlich alles machen solltest wenn du
- machine learning lernen willst und ja hier das video gefallen hat dann freue ich mich über ein abo und einen daumen hoch
- ja und mich interessiert aber auch eine frage warum möchtest du das machine learning erlernen was möchtest du damit machen schreiben einfach unten einen
- kommentar ein und ja das wäre es von mir bis bald auf lernen programmieren
Zum Nachlesen
Maschinelles LernenMaschinelles Lernen (ML) entwickelt, untersucht und verwendet statistische Algorithmen, auch Lernalgorithmen genannt. Solche Algorithmen können lernen, …
Überwachtes LernenÜberwachtes Lernen (englisch supervised learning) ist eine wichtige Kategorie des Maschinellen Lernens. Dabei wird ein Lernalgorithmus mit Datensätzen …
Data ScienceDer Begriff Data Science (dt. etwa Datenwissenschaft) bezeichnet die Wissenschaft von der Extraktion von Wissen aus Daten, um daraus zu lernen.
Data-MiningAndere Verfahren wie der EM-Algorithmus oder k-Means-Algorithmus bevorzugen sphärische Cluster. Objekte, die keinem Cluster zugeordnet wurden, können als …