Machine Learning & AI

Künstliche Intelligenz begegnet uns heutzutage in fast jedem Bereich unseres Alltags: Siri und Alexa, Google Maps, KI-Roboter, Social Media – hier steckt überall KI (oder auf Englisch: AI) dahinter. Im Folgenden möchten wir kurz erklären, was Künstliche Intelligenz, maschinelles Lernen und Deep Learning wirklich bedeutet.

Künstliche Intelligenz ist eine Wissenschaft, die Möglichkeiten untersucht, intelligente Programme und Maschinen zu bauen, die Probleme lösen können – ein eigentlich menschliches Attribut.

Machine Learning (ML) ist eine Unterkategorie der Künstlichen Intelligenz. Ziel von ML ist es, Systeme zu befähigen, automatisch aus Erfahrung zu lernen, ohne programmiert zu werden. Beim ML dienen verschiedene Algorithmen dazu, Lösungen für Problemstellungen zu finden.

Deep Learning ist wiederum eine Unterkategorie von ML. Beim DL werden neuronale Netze verwendet, um verschiedene Faktoren mit einer Struktur zu analysieren, die dem menschlichen neuronalen System ähnelt. Dejure Technologies arbeitet mit maßgeblichen Datenstücken, die als Schlüssel zur Lösung der jeweiligen Aufgabe funktionieren, und versucht der Maschine zu zeigen, worauf sie achten muss.

Schwache KI

Schwache KI

Schwache KI hilft, automatisierte Lösungen für ein Problem oder eine Herausforderung zu finden oder einfach die Funktion von etwas zu verbessern.

Starke KI

Starke KI

Starke KI ist darauf spezialisiert, der Maschine beizubringen, auf einer breiten Ebene zu verstehen und schlussfolgern zu können, so wie es ein Mensch tun würde.

Überwachtes Lernen

Überwachtes Lernen

Überwachtes maschinelles Lernen baut auf dem, was es in der Vergangenheit gelernt hat, auf und nutzt es für neue Daten. Es wendet Beispiele (gelabelte Datensätze) an, um zukünftige Muster und Ereignisse vorherzusagen.

Unüberwachtes Lernen

Unüberwachtes Lernen

Unüberwachte Lernalgorithmen verwenden unter minimaler menschlicher Aufsicht bisher nicht erkannte Muster in einem Datensatz, der aus Eingabedaten ohne bereits vorhandene Labels besteht.

Semi-überwachtes Lernen (SSL)

Semi-überwachtes Lernen (SSL)

Semi-überwachtes Lernen kombiniert Daten mit Labels mit Daten ohne Labels und fällt als Kategorie folglich zwischen das überwachte und unüberwachte Lernen.

Verstärkendes Lernen (RL)

Verstärkendes Lernen (RL)

Ein RL-Algorithmus lernt, indem er mit seiner Umgebung interagiert. Er wird für korrekte Interaktion belohnt und für falsche Interaktion bestraft.

IM DIENSTE UNSERER KUNDEN SEIT

UNSERE GESCHÄTZTEN PARTNER