© jesadaphorn/shutterstock.com, © bsd/shutterstock.com
Machine Learning 101 mit ML.NET - Teil 1

Erste Schritte in ML.NET


Diese Artikelserie bietet einen vollständigen Leitfaden für .NET-Entwickler, um Machine Learning (ML) in einem .NET-Ökosystem zu nutzen. Wir verfolgen das Ziel, mit Hilfe von Microsoft ML.NET und Jupyter Notebooks von reinen Daten zu Vorhersagen zu gelangen. Im ersten Teil geht es um den Einstieg in ML.NET und Jupyter Notebooks. Wir werden sehen, dass man kein Data Scientist sein muss, um Machine Learning zu betreiben.

Wir beginnen mit der Frage: Was ist Machine Learning (ML) eigentlich genau? Zunächst ist es wichtig festzuhalten, dass durch ML die traditionelle Art und Weise der Programmierung, bei der Entwickler die einzelnen Schritte der Algorithmen entwerfen, keineswegs in Frage gestellt wird. Die alten Paradigmen behalten ihre Gültigkeit, doch gibt es wie immer Raum für Weiterentwicklung. ML ist auch alles andere als neu, doch ist dank des technologischen Fortschritts in Bezug auf schnellere CPUs und GPUs, Speicher und dezidierte Hardware sowie aufgrund des exponentiellen Wachstums der verfügbaren Daten nun die Zeit reif, ML auf breiter Basis in Softwareprojekten einzusetzen.

Schauen wir uns einige Fakten zum Thema Machine Learning an: Die traditionelle Programmierung gleicht einem Rezept zum Kuchenbacken, in dem alle Abläufe (Algorithmen) Schritt für Schritt festgelegt sind. ML hingegen funktioniert eher wie Kuchenbacken auf Basis einer Trial-and-Error-Methode. Anstatt zuvor die Schritte zu kennen, wie die Zutaten vermischt werden, werden viele Kuchenrezepte zusammen mit ihren Zutaten analysiert, klassifiziert, bewertet usw. Der menschliche Verstand macht übrigens genau dasselbe. Entweder nutzen wir ein zuvor erfundenes Rezept oder wir lernen während der Arbeit on the fly ein neues. Natürlich dürfen wir im Fall eines bereits existierenden Rezepts nicht vergessen, dass jemand das Rezept zuerst auf natürliche Weise on the fly erfinden musste.

Nehmen wir nun an, das Kuchenrezept sei ein Algorithmus. Auf der einen Seite ist die traditionelle Programmierung so, als würde man der Maschine beibringen, wie ein vom menschlichen Verstand erfundener Algorithmus auf Eingabedaten angewendet wird, um Ausgabedaten zu erhalten. Auf der anderen Seite ist ML das Erlernen eines künstlichen Algorithmus, der nur Eingabe- und Ausgabedaten verwendet – und dann muss der neu geschaffene Algorithmus mit den Eingabedaten ausgeführt werden, um Ausgabedaten zu erhalten.

Machine Learning ist kein Universalheilmittel für alle Arten von Problemen. Vielmehr müssen wir sehr sorgfä...

Neugierig geworden?

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang