buch.informatik.ccÜberwachtes Lernen
Merke
Das überwachte Lernen (Supervised Learning) entwickelt automatisch Modelle aus Daten, die bereits von Menschen kategorisiert bzw. verschlagwortet wurden. Das Ziel ist es, dass das Modell für bestehende und unbekannte Eingaben die richtige Kategorisierung vornehmen kann.
Es gibt viele Methoden des überwachten Lernens. Wir konzentrieren uns auf Künstliche Neuronale Netze und Entscheidungsbäume. Ersteres aufgrund der hohen Verbreitung und letzteres aufgrund der guten Nachvollziehbarkeit.
Künstliche Neuronale Netze
Hast du als Eingabedaten Texte, Bilder, Töne oder Videos, kannst du mit einem faltenden neuronalen Netzwerk (Convolutional Neuronal Network) den Rechner super lernen lassen, wie er den Inhalt selbiger erkennen kann. Dafür musst du nur eine sehr große Menge an Eingabedaten selbst beschriften und dann ein spezielles Neuronales Netzwerk sich damit beschäftigen lassen.
Das folgende Video erklärt dir die Grundidee dahinter:
Details
Neuronen kennst du vielleicht schon aus dem Biologieunterricht. Falls nicht, kommt hier eine kleine Wiederholung:
Entscheidungsbäume
Hast du strukturierte Daten, etwa alle Schulnoten deiner Schule oder die Daten aller Wohnungen aus deiner Stadt, dann eignen sich für eine künstliche Intelligenz Entscheidungsbäume gut. Diese sind in der Realität oft deutlich weiterentwickelter und komplexer als normale Bäume, die wir in diesem Kapitel kennenlernen werden.