Machine Learning für Anfänger: Was ist das? Die Grundlagen einfach erklärt
Vibe Venture - KI & Code
https://www.youtube.com/watch?v=TDi-r4A5fAI

Transkript (automatisch erstellt)

0:00 wie viele versuche braucht eine maschine um in eine bar zu kommen hallo welt na ja wie viele versuche so braucht das
0:14 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
0:24 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
0:35 klassischen software programm vergleicht ist es machine learning eben nicht ein programm was nur eine aufgabe löst eigentlich schon weil es löst eine
0:46 konkrete aufgabe aber wenn ich als softwareentwickler ein programm schreibe dann gebe ich der gebe ich dem computer konkrete anweisung wie er ein problem
0:56 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
1:04 im maschinenring funktioniert das ein bisschen anders denn dort schreibt man als entwickler ein programm welches etwas dem computer beibringen soll
1:13 wie funktioniert denn das na ja letztendlich macht der computer dann mit der maschine also die maschine was die lernt ist anhand daten entscheidungen
1:23 oder voraussagen zu treffen der computer muss eben muster aus daten heraus erkennen anstatt irgendwie eine aufgabe mit einer
1:31 befehls folge zu lösen ja und man kann es vielleicht ein bisschen konkreter machen ich habe ja gerade schon angesprochen
1:38 der unterschied ist wirklich dass man eben nicht irgendwie fünften fehle nacheinander abarbeiten und dann ist das problem gelöst sondern man hat diese
1:47 befehle die dem computer daten geben der computer muss dann anhand bestimmter gewisser gewisse algorithmen diese muster in diesen daten erkennen und löst
1:58 damit erst die aufgabe also die programmierer kennen oft den lösungsweg gar nicht sondern der recht der der computer erkennt die lösung anhand der
2:07 datenlage und der algorithmen die dann zum lernen genutzt werden ja die basis dafür ist einmal die softwareentwicklung an sich also die
2:18 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
2:29 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
2:38 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
2:49 learning warum nutzt man nicht einfach die klassische lösung naja einmal warum du machine learning brauchst ist die nachfrage auf dem markt
3:02 nach machine learning ist riesig und dementsprechend sind auch die gehälter für leute die machine learning können auch ebenfalls riesig dass man beim
3:12 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
3:22 damit auch dinge einer maschine beibringen ein gutes beispiel ist google alle diesen ganzen suchergebnisse die du
3:29 quasi täglich fast täglich in google siehst die sind natürlich durch seine maschine durchgelaufen und ja wert auf platz eins steht entscheidet schon lange
3:40 nicht mehr der mensch sondern eben die maschine anhand gewisser kriterien meiner meinung nach ist machine learning auch ja die nächste stufe der software
3:49 entwicklung das ganze ist momentan ein bisschen schwergängig und noch nicht so ganz erforscht aber wenn das ganze wirklich
3:56 erst mal von allen wirklich genutzt werden kann dann glaube ich dass das ein wertvolles werkzeug sein wird was man in der
4:03 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
4:12 nutzen machine learning schon bereits im großen stil wenn zb spracherkennung benutzt oder auf facebook unterwegs bist dann bist du quasi schon mittendrin und
4:24 ja du siehst im prinzip die ergebnisse die wir aus machine learning heraus gepurzelt sind was sind denn eigentlich die
4:32 voraussetzungen um geschieden learning zu lernen ja also einmal muss man natürlich kein mathe oder programmierer profi sein aber
4:43 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
4:53 dann relativ einfach denn eigentlich ist machine learning nur ja die konzepte der statistik und softwareentwicklung auf daten anzuwenden also du hast dann einen
5:04 riesen datenberg und benutzt die methoden der statistik und der software um daraus eben die maschinen der maschine etwas beizubringen die ersten
5:15 themen für deine start im machine learning sind klassischerweise python statistik ja und ein bisschen mathe für data science kommen wir zu den punkten
5:26 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
5:39 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
5:50 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
5:59 prinzip so als wenn du als programmierer anfänger direkt versucht zu verstehen wie ein prozessor und es händler funktioniert schneller ergebnis bekommst
6:08 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
6:16 wirst du schnellere ergebnisse haben und ja du wirst also auch schneller die erfahrung darin sammeln und dann wird die theorie auch entsprechend leichter
6:26 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
6:37 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
6:48 themen ja also einmal du musst die ganzen prozess des machine learnings einmal natürlich theoretisch verstehen ja das ist zum beispiel
6:57 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
7:05 und bekomme ich diese daten überhaupt her dann geht es um das thema der annahmen und der vorverarbeitung ja also welche
7:15 annahmen kannst du über die daten treffen und musste die daten irgendwie vor verarbeiten bevor sie überhaupt in so ein maschinen dörling algorithmus
7:23 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
7:32 normalisieren also auf irgend ein gleiches level bekommen ja und wie für fehlertoleranz hast du dort hast du dort fehlerhafte daten fehlerhafte datensätze
7:40 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
7:51 der dritte punkt da drin ist die interpretation der ergebnisse ja ja auch wenn du jetzt nicht genau wissen mussten wir diese diese probe
7:59 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
8:07 man die ergebnisse dieses modells interpretieren kann ja also die maschine wird die am ende ein ergebnis präsentieren und du solltest wissen
8:15 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
8:24 den schrauben etwas drehen muss dementsprechend musste analysieren können wie das ganze interpretiert wird und herausfinden kannst ja wie zum
8:33 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
8:45 habe es ja gerade schon kurz angesprochen es geht also darum welche parameter stehen die zur verfügung und wie kannst du die
8:52 regulieren ja da gibt es das muss man halt erstmal ein gefühl dafür entwickeln und wissen welche parameter man da überhaupt drehen
9:01 kann und zum letzten zum letzten punkt zu kommen okay du wirst dann fertiges modell haben das wird ja ein ergebnis liefern
9:08 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
9:17 es irgendetwas was man da in diesem erklärten dass überhaupt anfangen kann ja und letztendlich musst du wenn du dieses thema theoretisch durch gehst
9:26 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
9:35 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
9:44 bist und du verstehst okay wir sind die einzelnen schritte von maschinen lernen wie funktionieren die schritte dann solltest du einmal diesen gesamten
9:52 prozess fokussiert durcharbeiten ja also wirklich der gesamte prozess von und ich lese jetzt einfach mal vor von sammlung säubern vorverarbeitung model building
10:03 tuning und die analyse wenn du diesen ganzen prozess einmal verstanden hast dann solltest du dort fokussierte übungen durchführen
10:11 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
10:20 gibt kegel oder data punkt wo man eben schon frei verfügbare daten bekommt und mal eben quasi diesen ganzen prozess daran erlernen kann
10:30 in die spezialthemen kannst du dann später immer noch tiefer eintauchen aber zuerst geht es darum fokussiert diese ganzen übung durchzuarbeiten und ja den
10:40 prozess letztendlich auch praktisch zu erlernen ja und dann wird es natürlich so ein paar spezialthemen geben die aber noch
10:48 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
10:56 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
11:04 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
11:14 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
11:27 mehrere modelle zusammenzustecken und da noch bessere ergebnisse dabei raus zu bekommen das sind so die basis thema wenn du in
11:38 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
11:47 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
11:59 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
12:08 projekte wie zum beispiel eine handschriftenerkennung nun kann man relativ simpel bauen weil man die datenmengen einfach ja selber
12:16 produzieren kann wenn man kann aber mit herrn schrift ganz schnell ein paar zahlen zeichnen oder was auch immer unterschreiben und kann damit dann
12:25 machine learning durchführen du könntest aber auch zb versuchen börsenpreise vorauszusagen oder einfach den computer malen den spiel spielen
12:35 lassen das die möglichkeiten die man durchführen kann und wichtig ist dass du eben nach einer lernphase direkt mal irgend ein
12:44 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
12:53 machine learning lernen willst und ja hier das video gefallen hat dann freue ich mich über ein abo und einen daumen hoch
13:00 ja und mich interessiert aber auch eine frage warum möchtest du das machine learning erlernen was möchtest du damit machen schreiben einfach unten einen
13:10 kommentar ein und ja das wäre es von mir bis bald auf lernen programmieren