====== Maschinelles Lernen/ Machine Learning ======

**Machine Learning (ML) ist eine Methode der künstlichen Intelligenz, bei der ein Programm Erfahrung durch wiederholtes Ausführen einer Aufgabe sammelt und seine Leistung basierend auf diesen Wiederholungen evaluiert.**

Ziel dieses Verfahren ist es, dass der Algorithmus iterativ seine Leistung erhöht und auf Grundlage dessen, unbekannte Daten korrekt beurteilen kann. Maschinelles Lernen kann auf Basis verschiedener methodischer Ansätze erfolgen.

Um einen Algorithmus trainieren zu können, benötigt man eine große Menge an Daten, die man dem System zur Verfügung stellt und aus denen durch Wiederholung und vorgegebene Mustern gelernt werden kann. Somit wird zwar extern ein Input gegeben, jedoch entwickelt der Algorithmus selbstständig einen Lösungsweg.

{{ :wissen:glossar:mj_maschinelles_lernen.svg }}

<WRAP box>

Anwendungsbereiche von maschinellem Lernen sind beispielsweise Sprachassistenzsysteme, Mustererkennung und Prozessoptimierung.

</WRAP>


===== Methoden =====

Es gibt verschiedene Verfahren um maschinelles Lernen zu realisieren.


  * [[supervised_learning]] - Lernen auf Basis vom Menschen zugewiesenen In- und Output.
  * [[semi-supervised_learning]] - Kombination aus überwachtem und unbewachten Lernen. 
  * [[unsupervised_learning]] - Lernen auf Basis von Muster und Strukturen in den Daten.
  * [[reinforcement_learning]] - Lernen auf Basis von Belohnungen in nutzenbasierten Entscheidungsprozessen in einer sich wandelten Umgebung.
  * [[multi-task_learning]] - Lernen auf Basis von gemeinsamen Strukturen und Mustern in verschiedenen aber verwandten Daten.
  * [[ensemble_learning]] - Lernen auf Basis zusammengeführter Vorhersagen verschiedener Modelle.
  * [[instance_based_learning]] - Vorhersagen auf Basis des Abgleichens von Eingabe-/Datenpaaren.


===== Weiterführende Informationen =====

  * {{https://www.researchgate.net/profile/Batta-Mahesh/publication/344717762_Machine_Learning_Algorithms_-A_Review/links/5f8b2365299bf1b53e2d243a/Machine-Learning-Algorithms-A-Review.pdf?eid=5082902844932096%%|  Machine Learning Algorithms - A Review}} (2018)\\ **Batta Mahesh** International Journal of Science and Research (IJSR), 9 (1) //p381-386//
  * [[https://www.mitp.de/IT-WEB/Programmierung/Deep-Learning-mit-Python-und-Keras.html|Deep learning mit Python und Keras. Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek. Frechen: mitp.]] (2018)\\ **François Chollet**
  * {{https://www.bigdata-ai.fraunhofer.de/content/dam/bigdata/de/documents/Publikationen/Fraunhofer_Studie_ML_201809.pdf | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. (Hrsg.)}} (2018)\\ **Fraunhofer-Gesellschaft** Maschinelles Lernen.
  * [[https://www.iks.fraunhofer.de/de/themen/kuenstliche-intelligenz.html | Künstliche Intelligenz (KI) und maschinelles Lernen -  Fraunhofer IKS]] (o. D.)\\ **Fraunhofer-Institut für Kognitive Systeme**
  * [[https://blog.iao.fraunhofer.de/spielarten-der-kuenstlichen-intelligenz-maschinelles-lernen-und-kuenstliche-neuronale-netze/ | Spielarten der Künstlichen Intelligenz: Maschinelles Lernen und Künstliche Neuronale Netze. Fraunhofer IAO – BLOG]] (2021, 6. Juli)\\ **Tobias Müller**
  * [[isbn>978-3-658-32773-6]]