Pieter Buteneers auf der BASTA! Spring 2017 über ML & AI

Machine Learning – von Fehlschlägen und Erfolgen
Kommentare

Den zweiten Konferenztag der BASTA! Spring 2017 eröffnete Pieter Buteneers mit der Keynote „Machine Learning: From Misery to Mastery“. Machine Learning ist eins der Buzzwords der Stunde – beinahe jeder spricht darüber, einige setzen es ein, wenige forschen in diesem Bereich und viele fürchten sich davor.

Aber warum eigentlich? Was hat es mit diesem Hype auf sich? Weshalb sollte man in seinem Projekt auf Machine Learning setzen?

Buteneers erklärte exemplarisch anhand seiner eigenen Erfahrungen bei der Entwicklung von Systemen zur Anomalieerkennung, wie er selbst ML einsetzt. Dabei ging er vor allem auch auf das ein, was nicht (auf Anhieb) funktionierte. Eines der größten Probleme war das Festlegen und Aufspüren von Anomalien, da die meisten klassischen Vorgehensweisen nicht funktionierten.

Was also tun? Buteneers setzte auf Machine Learning – aber auch das funktionierte nicht. Denn ML-Systeme lernen durch Nachahmen, und Anomalien sind so seltene Ausnahmen, dass ein System das nicht voraussehen kann. Also doch kein ML? Doch – man muss es nur möglichst einfach halten.

Keep it simple stupid!

Buteneers wies darauf hin, dass Zeit besonders wichtig ist. Man muss also anhand gegebener Daten für die Zukunft schätzen, wie diese sich weiterentwickeln. Daraus lassen sich dann normale Ereignisse und Anomalien ablesen.

Der Schlüssel zum Erfolg liegt im Verständnis der vorliegenden Daten sowie im Over-Fitting. Ein Rat zum Schluss: Menschen sind nicht perfekt, also kann es Machine Learning auch nicht sein:

Keep calm, cause perfection doesn’t exist.

Und was kann Machine Learning nun eigentlich leisten?

  • Predictable prediction (z. B. Wettervorhersage)
  • Modelling/Regression (z. B. Self-Driving Car mit Sensoren)
  • Classification (z. B. Gesichts-/Spracherkennung)

ML kann eigentlich alles, was Menschen auch können – solange genügend Daten vorliegen.

Unsere Redaktion empfiehlt:

Relevante Beiträge

Meinungen zu diesem Beitrag

X
- Gib Deinen Standort ein -
- or -