SlideShare ist ein Scribd-Unternehmen logo
1 von 15
Downloaden Sie, um offline zu lesen
Künstliche Intelligenz - Maschinelles Lernen - Grundlagen
Definition
 Maschinelles Lernen ist der elementare Bereich
künstlicher Intelligenz
 Es ist die Konstruktion von Systemen die aus
Daten selbstständig lernen können
“Field of study that gives computers the ability to
learn without being explicitly programmed”
~ Arthur Samuel, 1959
Anwendungsbeispiele
Solche Lernsysteme werden benutzt für:
 Spam-filter für Emails (zB yahoo-mail)
 Texterkennung (zB Handyhandschrifterkennung)
 Spracherkennung (zB Telefonroboter)
 Diagnoseverfahren (zB Krebs-wahrscheinlichkeit)
 Google (zB die Nachrichten-kategorisierung auf News)
 Viele weitere Bereiche […]
Typen der Lernalgorithmen
 Überwachtes Lernen (supervised learning)
Lernt aus gegeben „richtigen“ Ein & Ausgaben
zB „Bei einer Person mit dem Alter 95 (input) war
Krebs vorhanden (richtiger output)“
 Unüberwachtes Lernen (unsupervised learning)
Findet Strukturen in Daten. Es werden keine
„richtigen“ Antworten für die Inputs gegeben
zB „Es gibt eine krebskranke Person mit einem Alter von
95 Jahren und einem Haustier“ (Finde Zusammenhänge!)
 Bestärkendes Lernen (reinforcement learning)
Lernen durch Belohnung/Bestrafung
zB „Gegen eine Wand fahren ist schlecht,
schnell fahren gut“
Typen der Ausgabe
 Regression: „durchgehende“ Ausgabe
Für jeden Input liefert das Modell einen durchgehenden Wert
zB für das Voraussagen eines Wohnungspreises nach Wohnungsgröße
(Bei überwachtem Lernen)
 Classification: bestimmte Ausgabe
Für jeden Input liefert das Modell einen von speziellen Werten
zB für das Erkennen ob eine Email Spam ist (1) oder nicht (0)
Funktionsweise des
Überwachten Lernens
Das Training Set
Besteht (bei überwachtem Lernen) aus den Daten
durch die gelernt werden soll
 zB eine Excel Tabelle mit 250 Spalten mit je einer Zeile
pro Wohnung (Trainingsbeispiel)
 und 3 Spalten, wobei die 1. Spalte die
Wohnungsgrößen (x1) beinhaltet, die 2. die Anzahl von
Badezimmern (x2) und die 3. den Wohnungspreis (y -
die „richtige“ Antwort)
 Das Training Set sollte so angepasst sein dass alle
Trainingsbeispiele sich in ähnlichem Zahlenbereich
befinden. Dazu verwendet man „Feature Scaling“ und
 „Mean Normalization“.
Der Lernalgorithmus
Der Lernalgorithmus erstellt die bestmögliche
Hypothese anhand des gegebenen Training Sets
 Mit der „Cost-function“ (J) findet man heraus wie „gut“ eine
Hypothese ist (anhand des Training Sets).
Hierbei wird der Abstand der Voraussagen zu den
tatsächlichen „richtigen Antworten“ gemessen.
 Mit dem Lernalgorithmus probiert man diese zu optimieren.
Hierbei verändert man die Hypothese und je
niedriger das Ergebnis der Cost-function desto besser
die Hypothese
 Ein vielbenutzter Lernalgorithmus ist
Gradient Descent
Die Hypothese
Die Hypothese ist das „fertige, befragbare“ Modell.
Man liefert Daten (beispielsweise in Form einer Excel
Tabelle) und bekommt die gewünschte Antwort (zB
einen voraussichtlichen Wohnungspreis)
 Form einer Beispielhypothese: hΘ(x) = Θ0 + Θ1 * x
 Hierbei ist x die gelieferten Daten
 Die Θ („theta“) sind die „Knöpfe“ mit denen die Hypothese
angepasst wird. Diese werden mittels Gradient Descent
verändert um die beste Hypothese zu liefern.
Gradient Descent
Hiermit passt man die (thetas der) Hypothese
schrittweise an.
 Erst initialisiert man die thetas mit einem Wert (zB 0)
 Dann legt man die Schrittgröße (α) fest (zB 0.1)
 Dann passt man die thetas schrittweise an bis die
Cost-function den besten (kleinsten) Wert liefert.
Künstliche Intelligenz - Maschinelles Lernen - Grundlagen
Künstliche Intelligenz - Maschinelles Lernen - Grundlagen
 Octave ist eine gute, freie Software um dies praktisch
umzusetzen
 Ein guter Einstieg zu Maschinellem Lernen ist der
kostenlose Kurs auf
https://www.coursera.org/course/ml
(auch Quelle für diese Präsentation)
Danke für Ihre Aufmerksamkeit

Más contenido relacionado

Was ist angesagt?

Artificial Intelligence in the Media
Artificial Intelligence in the Media Artificial Intelligence in the Media
Artificial Intelligence in the Media Gigi Teo
 
L1-Introduction to Artificial Intelligence.pdf
L1-Introduction to Artificial Intelligence.pdfL1-Introduction to Artificial Intelligence.pdf
L1-Introduction to Artificial Intelligence.pdfSyedAbdullah854076
 
Using Generative AI in the Classroom .pptx
Using Generative AI in the Classroom .pptxUsing Generative AI in the Classroom .pptx
Using Generative AI in the Classroom .pptxJonathanDietz3
 
Unit 1 Fundamentals of Artificial Intelligence-Part I.pptx
Unit 1  Fundamentals of Artificial Intelligence-Part I.pptxUnit 1  Fundamentals of Artificial Intelligence-Part I.pptx
Unit 1 Fundamentals of Artificial Intelligence-Part I.pptxDrYogeshDeshmukh1
 
ChatGPT에 대한 인문학적 이해
ChatGPT에 대한 인문학적 이해ChatGPT에 대한 인문학적 이해
ChatGPT에 대한 인문학적 이해Wonjun Hwang
 
Artificial intelligence (AI) - Definition, Classification, Development, & Con...
Artificial intelligence (AI) - Definition, Classification, Development, & Con...Artificial intelligence (AI) - Definition, Classification, Development, & Con...
Artificial intelligence (AI) - Definition, Classification, Development, & Con...Andreas Kaplan
 
The Digital Sociology of Generative AI (1).pptx
The Digital Sociology of Generative AI (1).pptxThe Digital Sociology of Generative AI (1).pptx
The Digital Sociology of Generative AI (1).pptxMark Carrigan
 
Build an LLM-powered application using LangChain.pdf
Build an LLM-powered application using LangChain.pdfBuild an LLM-powered application using LangChain.pdf
Build an LLM-powered application using LangChain.pdfAnastasiaSteele10
 
Introduction to Machine Learning
Introduction to Machine Learning   Introduction to Machine Learning
Introduction to Machine Learning snehal_152
 
Leveraging Generative AI & Best practices
Leveraging Generative AI & Best practicesLeveraging Generative AI & Best practices
Leveraging Generative AI & Best practicesDianaGray10
 
Philosophy of Artificial Intelligence
Philosophy of Artificial IntelligencePhilosophy of Artificial Intelligence
Philosophy of Artificial IntelligenceJuho Vaiste
 
The current state of generative AI
The current state of generative AIThe current state of generative AI
The current state of generative AIBenjaminlapid1
 
Chat GPT_중학생 강의.pptx
Chat GPT_중학생 강의.pptxChat GPT_중학생 강의.pptx
Chat GPT_중학생 강의.pptxChiwooSong1
 
Unlocking the Power of Generative AI An Executive's Guide.pdf
Unlocking the Power of Generative AI An Executive's Guide.pdfUnlocking the Power of Generative AI An Executive's Guide.pdf
Unlocking the Power of Generative AI An Executive's Guide.pdfPremNaraindas1
 
Fine tune and deploy Hugging Face NLP models
Fine tune and deploy Hugging Face NLP modelsFine tune and deploy Hugging Face NLP models
Fine tune and deploy Hugging Face NLP modelsOVHcloud
 
AI and ML Series - Introduction to Generative AI and LLMs - Session 1
AI and ML Series - Introduction to Generative AI and LLMs - Session 1AI and ML Series - Introduction to Generative AI and LLMs - Session 1
AI and ML Series - Introduction to Generative AI and LLMs - Session 1DianaGray10
 
How to build a generative AI solution From prototyping to production.pdf
How to build a generative AI solution From prototyping to production.pdfHow to build a generative AI solution From prototyping to production.pdf
How to build a generative AI solution From prototyping to production.pdfStephenAmell4
 
Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...
Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...
Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...Alain Goudey
 

Was ist angesagt? (20)

Generative AI How It's Changing Our World and What It Means for You_final.pdf
Generative AI How It's Changing Our World and What It Means for You_final.pdfGenerative AI How It's Changing Our World and What It Means for You_final.pdf
Generative AI How It's Changing Our World and What It Means for You_final.pdf
 
Artificial Intelligence in the Media
Artificial Intelligence in the Media Artificial Intelligence in the Media
Artificial Intelligence in the Media
 
L1-Introduction to Artificial Intelligence.pdf
L1-Introduction to Artificial Intelligence.pdfL1-Introduction to Artificial Intelligence.pdf
L1-Introduction to Artificial Intelligence.pdf
 
Using Generative AI in the Classroom .pptx
Using Generative AI in the Classroom .pptxUsing Generative AI in the Classroom .pptx
Using Generative AI in the Classroom .pptx
 
Unit 1 Fundamentals of Artificial Intelligence-Part I.pptx
Unit 1  Fundamentals of Artificial Intelligence-Part I.pptxUnit 1  Fundamentals of Artificial Intelligence-Part I.pptx
Unit 1 Fundamentals of Artificial Intelligence-Part I.pptx
 
ChatGPT에 대한 인문학적 이해
ChatGPT에 대한 인문학적 이해ChatGPT에 대한 인문학적 이해
ChatGPT에 대한 인문학적 이해
 
Artificial intelligence (AI) - Definition, Classification, Development, & Con...
Artificial intelligence (AI) - Definition, Classification, Development, & Con...Artificial intelligence (AI) - Definition, Classification, Development, & Con...
Artificial intelligence (AI) - Definition, Classification, Development, & Con...
 
The Digital Sociology of Generative AI (1).pptx
The Digital Sociology of Generative AI (1).pptxThe Digital Sociology of Generative AI (1).pptx
The Digital Sociology of Generative AI (1).pptx
 
Build an LLM-powered application using LangChain.pdf
Build an LLM-powered application using LangChain.pdfBuild an LLM-powered application using LangChain.pdf
Build an LLM-powered application using LangChain.pdf
 
AI and Accountability
AI and AccountabilityAI and Accountability
AI and Accountability
 
Introduction to Machine Learning
Introduction to Machine Learning   Introduction to Machine Learning
Introduction to Machine Learning
 
Leveraging Generative AI & Best practices
Leveraging Generative AI & Best practicesLeveraging Generative AI & Best practices
Leveraging Generative AI & Best practices
 
Philosophy of Artificial Intelligence
Philosophy of Artificial IntelligencePhilosophy of Artificial Intelligence
Philosophy of Artificial Intelligence
 
The current state of generative AI
The current state of generative AIThe current state of generative AI
The current state of generative AI
 
Chat GPT_중학생 강의.pptx
Chat GPT_중학생 강의.pptxChat GPT_중학생 강의.pptx
Chat GPT_중학생 강의.pptx
 
Unlocking the Power of Generative AI An Executive's Guide.pdf
Unlocking the Power of Generative AI An Executive's Guide.pdfUnlocking the Power of Generative AI An Executive's Guide.pdf
Unlocking the Power of Generative AI An Executive's Guide.pdf
 
Fine tune and deploy Hugging Face NLP models
Fine tune and deploy Hugging Face NLP modelsFine tune and deploy Hugging Face NLP models
Fine tune and deploy Hugging Face NLP models
 
AI and ML Series - Introduction to Generative AI and LLMs - Session 1
AI and ML Series - Introduction to Generative AI and LLMs - Session 1AI and ML Series - Introduction to Generative AI and LLMs - Session 1
AI and ML Series - Introduction to Generative AI and LLMs - Session 1
 
How to build a generative AI solution From prototyping to production.pdf
How to build a generative AI solution From prototyping to production.pdfHow to build a generative AI solution From prototyping to production.pdf
How to build a generative AI solution From prototyping to production.pdf
 
Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...
Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...
Chat GPT and Generative AI in Higher Education - Empowering Educators and Lea...
 

Andere mochten auch

Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...
Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...
Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...Andreas Wagener
 
Technologische Singularität
Technologische SingularitätTechnologische Singularität
Technologische SingularitätBjörn Wilmsmann
 
bluecue: Industrie 4.0 und IoT - Kinoforum 2016
bluecue: Industrie 4.0 und IoT - Kinoforum 2016bluecue: Industrie 4.0 und IoT - Kinoforum 2016
bluecue: Industrie 4.0 und IoT - Kinoforum 2016acocon GmbH
 
Schema - damit Googles künstliche Intelligenz deine Website besser versteht
Schema - damit Googles künstliche Intelligenz deine Website besser verstehtSchema - damit Googles künstliche Intelligenz deine Website besser versteht
Schema - damit Googles künstliche Intelligenz deine Website besser verstehtnetlive IT AG
 
Künstliche Intelligenz einsetzen und Customer Experience verbessern
Künstliche Intelligenz einsetzen und Customer Experience verbessernKünstliche Intelligenz einsetzen und Customer Experience verbessern
Künstliche Intelligenz einsetzen und Customer Experience verbessernTWT
 
Machine learning fro computer vision - a whirlwind of key concepts for the un...
Machine learning fro computer vision - a whirlwind of key concepts for the un...Machine learning fro computer vision - a whirlwind of key concepts for the un...
Machine learning fro computer vision - a whirlwind of key concepts for the un...potaters
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial IntelligenceMegha Jain
 
Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Michael Schmitt
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial IntelligenceGirish Naik
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial IntelligenceNeil Mathew
 
Artificial Intelligence Presentation
Artificial Intelligence PresentationArtificial Intelligence Presentation
Artificial Intelligence Presentationlpaviglianiti
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligenceu053675
 
artificial intelligence
artificial intelligenceartificial intelligence
artificial intelligencevallibhargavi
 
Introduction to Machine Learning
Introduction to Machine LearningIntroduction to Machine Learning
Introduction to Machine LearningRahul Jain
 

Andere mochten auch (20)

Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...
Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...
Leben 4.0: Künstliche Intelligenz und der Weg in die Datengesellschaft. Vortr...
 
Künstliche Intelligenz und Effektiver Altruismus
Künstliche Intelligenz und Effektiver AltruismusKünstliche Intelligenz und Effektiver Altruismus
Künstliche Intelligenz und Effektiver Altruismus
 
Technologische Singularität
Technologische SingularitätTechnologische Singularität
Technologische Singularität
 
bluecue: Industrie 4.0 und IoT - Kinoforum 2016
bluecue: Industrie 4.0 und IoT - Kinoforum 2016bluecue: Industrie 4.0 und IoT - Kinoforum 2016
bluecue: Industrie 4.0 und IoT - Kinoforum 2016
 
Schema - damit Googles künstliche Intelligenz deine Website besser versteht
Schema - damit Googles künstliche Intelligenz deine Website besser verstehtSchema - damit Googles künstliche Intelligenz deine Website besser versteht
Schema - damit Googles künstliche Intelligenz deine Website besser versteht
 
Künstliche Intelligenz einsetzen und Customer Experience verbessern
Künstliche Intelligenz einsetzen und Customer Experience verbessernKünstliche Intelligenz einsetzen und Customer Experience verbessern
Künstliche Intelligenz einsetzen und Customer Experience verbessern
 
Die Digitale Jobvernichtung
Die Digitale JobvernichtungDie Digitale Jobvernichtung
Die Digitale Jobvernichtung
 
Machine learning fro computer vision - a whirlwind of key concepts for the un...
Machine learning fro computer vision - a whirlwind of key concepts for the un...Machine learning fro computer vision - a whirlwind of key concepts for the un...
Machine learning fro computer vision - a whirlwind of key concepts for the un...
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.Das Erwachen der Roboter im Content Marketing.
Das Erwachen der Roboter im Content Marketing.
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Artificial Intelligence Presentation
Artificial Intelligence PresentationArtificial Intelligence Presentation
Artificial Intelligence Presentation
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Artificial inteligence
Artificial inteligenceArtificial inteligence
Artificial inteligence
 
artificial intelligence
artificial intelligenceartificial intelligence
artificial intelligence
 
Introduction to Machine Learning
Introduction to Machine LearningIntroduction to Machine Learning
Introduction to Machine Learning
 
BIT II SoSem 2015 | Basisinformationstechnologie II - 09_Künstliche Intellige...
BIT II SoSem 2015 | Basisinformationstechnologie II - 09_Künstliche Intellige...BIT II SoSem 2015 | Basisinformationstechnologie II - 09_Künstliche Intellige...
BIT II SoSem 2015 | Basisinformationstechnologie II - 09_Künstliche Intellige...
 
SoSe 2013 | Basisinformationstechnologie II - 08_Computer- und Videogames und...
SoSe 2013 | Basisinformationstechnologie II - 08_Computer- und Videogames und...SoSe 2013 | Basisinformationstechnologie II - 08_Computer- und Videogames und...
SoSe 2013 | Basisinformationstechnologie II - 08_Computer- und Videogames und...
 

Künstliche Intelligenz - Maschinelles Lernen - Grundlagen

  • 2. Definition  Maschinelles Lernen ist der elementare Bereich künstlicher Intelligenz  Es ist die Konstruktion von Systemen die aus Daten selbstständig lernen können “Field of study that gives computers the ability to learn without being explicitly programmed” ~ Arthur Samuel, 1959
  • 3. Anwendungsbeispiele Solche Lernsysteme werden benutzt für:  Spam-filter für Emails (zB yahoo-mail)  Texterkennung (zB Handyhandschrifterkennung)  Spracherkennung (zB Telefonroboter)  Diagnoseverfahren (zB Krebs-wahrscheinlichkeit)  Google (zB die Nachrichten-kategorisierung auf News)  Viele weitere Bereiche […]
  • 4. Typen der Lernalgorithmen  Überwachtes Lernen (supervised learning) Lernt aus gegeben „richtigen“ Ein & Ausgaben zB „Bei einer Person mit dem Alter 95 (input) war Krebs vorhanden (richtiger output)“  Unüberwachtes Lernen (unsupervised learning) Findet Strukturen in Daten. Es werden keine „richtigen“ Antworten für die Inputs gegeben zB „Es gibt eine krebskranke Person mit einem Alter von 95 Jahren und einem Haustier“ (Finde Zusammenhänge!)  Bestärkendes Lernen (reinforcement learning) Lernen durch Belohnung/Bestrafung zB „Gegen eine Wand fahren ist schlecht, schnell fahren gut“
  • 5. Typen der Ausgabe  Regression: „durchgehende“ Ausgabe Für jeden Input liefert das Modell einen durchgehenden Wert zB für das Voraussagen eines Wohnungspreises nach Wohnungsgröße (Bei überwachtem Lernen)
  • 6.  Classification: bestimmte Ausgabe Für jeden Input liefert das Modell einen von speziellen Werten zB für das Erkennen ob eine Email Spam ist (1) oder nicht (0)
  • 8. Das Training Set Besteht (bei überwachtem Lernen) aus den Daten durch die gelernt werden soll  zB eine Excel Tabelle mit 250 Spalten mit je einer Zeile pro Wohnung (Trainingsbeispiel)  und 3 Spalten, wobei die 1. Spalte die Wohnungsgrößen (x1) beinhaltet, die 2. die Anzahl von Badezimmern (x2) und die 3. den Wohnungspreis (y - die „richtige“ Antwort)  Das Training Set sollte so angepasst sein dass alle Trainingsbeispiele sich in ähnlichem Zahlenbereich befinden. Dazu verwendet man „Feature Scaling“ und  „Mean Normalization“.
  • 9. Der Lernalgorithmus Der Lernalgorithmus erstellt die bestmögliche Hypothese anhand des gegebenen Training Sets  Mit der „Cost-function“ (J) findet man heraus wie „gut“ eine Hypothese ist (anhand des Training Sets). Hierbei wird der Abstand der Voraussagen zu den tatsächlichen „richtigen Antworten“ gemessen.  Mit dem Lernalgorithmus probiert man diese zu optimieren. Hierbei verändert man die Hypothese und je niedriger das Ergebnis der Cost-function desto besser die Hypothese  Ein vielbenutzter Lernalgorithmus ist Gradient Descent
  • 10. Die Hypothese Die Hypothese ist das „fertige, befragbare“ Modell. Man liefert Daten (beispielsweise in Form einer Excel Tabelle) und bekommt die gewünschte Antwort (zB einen voraussichtlichen Wohnungspreis)  Form einer Beispielhypothese: hΘ(x) = Θ0 + Θ1 * x  Hierbei ist x die gelieferten Daten  Die Θ („theta“) sind die „Knöpfe“ mit denen die Hypothese angepasst wird. Diese werden mittels Gradient Descent verändert um die beste Hypothese zu liefern.
  • 11. Gradient Descent Hiermit passt man die (thetas der) Hypothese schrittweise an.  Erst initialisiert man die thetas mit einem Wert (zB 0)  Dann legt man die Schrittgröße (α) fest (zB 0.1)  Dann passt man die thetas schrittweise an bis die Cost-function den besten (kleinsten) Wert liefert.
  • 14.  Octave ist eine gute, freie Software um dies praktisch umzusetzen  Ein guter Einstieg zu Maschinellem Lernen ist der kostenlose Kurs auf https://www.coursera.org/course/ml (auch Quelle für diese Präsentation)
  • 15. Danke für Ihre Aufmerksamkeit