In Kürze: Machine Learning bedeutet: Computer lernen aus Daten. Statt fester Regeln erkennen ML-Systeme Muster. Beispiel: Spam-Filter lernt aus 10.000 E-Mails.
Was ist Machine Learning?
Machine Learning (ML) ist Lernen durch Erfahrung. Systeme werden nicht programmiert. Sie finden selbst Regeln.
Ein Beispiel: Ein Spam-Filter bekommt 10.000 E-Mails. 5.000 sind Spam, 5.000 sind echt. Das ML-System findet Muster. Jetzt erkennt es neue Spam-Mails mit 99% Genauigkeit.
Die drei Lernarten
Supervised Learning (Überwachtes Lernen):
System lernt aus gelabelten Beispielen. Jede E-Mail ist als “Spam” oder “Echt” markiert.
Unsupervised Learning (Unüberwachtes Lernen):
System findet selbst Gruppen. Netflix gruppiert Nutzer nach Geschmack.
Reinforcement Learning (Verstärkungslernen):
System lernt durch Versuch und Irrtum. AlphaGo spielte 1 Million Partien gegen sich selbst.
Machine Learning vs. Deep Learning
Deep Learning ist eine Spezialform von Machine Learning. Es nutzt neuronale Netze mit vielen Schichten. GPT-4 hat über 1 Trillion Parameter.
Klassisches Machine Learning braucht weniger Daten. Deep Learning braucht Millionen von Beispielen.
Wo ML heute eingesetzt wird
Machine Learning steckt überall:
- 🎬 Netflix: Empfehlungen basieren auf 500 Mrd. Bewertungen
- 🏦 Banken: Kreditwürdigkeits-Prüfung in Sekunden
- 🚗 Tesla: Autopilot lernt aus 1 Mrd. gefahrenen Kilometern
- 📱 Siri: Spracherkennung mit 95% Genauigkeit
