maschinelles Lernen
Also known as ML, statistical learning, statistical machine learning
wissenschaftliche Untersuchung von Algorithmen und statistischen Modellen, die Computersysteme verwenden, um aus Daten die Ausführung von Aufgaben zu lernen, für die sie nicht explizit programmiert werden
AI overview
Machine learning is a type of computer technology where systems learn to do tasks by finding patterns in data, rather than being given step-by-step instructions for what to do. It matters because it enables computers to improve and make decisions on their own, making many modern applications—from recommendation systems to medical diagnosis—more effective and efficient.
AI-generated from the Wikipedia summary — may contain errors.
Research
261,373 papers- eDoctor: machine learning and the future of medicine.ReviewJournal of internal medicine · 2018Handelman GS, Kok HK, Chandra RV et al.DOI: 10.1111/joim.12822
- Machine learning for cardiology.ReviewMinerva cardiology and angiology · 2022Arfat Y, Mittone G, Esposito R et al.DOI: 10.23736/S2724-5683.21.05709-4
- Supervised Machine Learning: A Brief Primer.ReviewBehavior therapy · 2020Jiang T, Gradus JL, Rosellini AJDOI: 10.1016/j.beth.2020.05.002
- Machine-learning methods for ligand-protein molecular docking.ReviewDrug discovery today · 2022
Article · Deutsch
Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung:Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern.Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht und welches gegen die Testdaten getestet wird. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt (siehe Überanpassung), sondern Muster und Gesetzmäßigkeiten in den Lerndaten erkannt. So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern (Überanpassung; englisch overfitting). Aus dem weiten Spektrum möglicher Anwendungen seien hier genannt: automatisierte Diagnoseverfahren, Erkennung von Kreditkartenbetrug, Aktienmarktanalysen, Klassifikation von Nukleotidsequenzen, Sprach- und Texterkennung sowie autonome Systeme. Das Thema ist eng verwandt mit „Knowledge Discovery in Databases“ und „Data-Mining“, bei dem es jedoch vorwiegend um das Finden von neuen Mustern und Gesetzmäßigkeiten geht. Viele Algorithmen können für beide Zwecke verwendet werden. Methoden der „Knowledge Discovery in Databases“ können genutzt werden, um Lerndaten für „maschinelles Lernen“ zu produzieren oder vorzuverarbeiten. Im Gegenzug dazu finden Algorithmen aus dem maschinellen Lernen beim Data-Mining Anwendung.Zu unterscheiden ist der Begriff zudem von dem Begriff „Deep Learning“, welches nur eine mögliche Lernvariante mittels künstlicher neuronaler Netze darstellt. Das Schließen von Daten auf (hypothetische) Modelle wird als Statistische Inferenz bezeichnet.
Abstract from DBpedia / Wikipedia · CC BY-SA