Machine Learning im Ueberblick

Machine Learning verstehen

Machine Learning (ML) ist der Teilbereich der KI, der es Computern ermoeglicht, aus Daten zu lernen und Vorhersagen zu treffen — ohne explizit fuer jede Situation programmiert zu werden.

Die drei Lernparadigmen

#### Supervised Learning (Ueberwachtes Lernen) Das Modell lernt aus gelabelten Beispieldaten. Wie ein Schueler, der mit Loesungen ueben kann.

• Input: E-Mail-Text → Output: Spam / Nicht-Spam
• Trainingsdaten: 10'000 E-Mails mit korrektem Label

#### Unsupervised Learning (Unueberwachtes Lernen) Das Modell findet selbststaendig Muster in ungelabelten Daten. Wie ein Forscher, der Strukturen entdeckt.

• Input: Kaufverhalten, Demografie → Output: 5 Kundengruppen
• Keine vordefinierten Kategorien noetig

#### Reinforcement Learning (Bestaetigungslernen) Das Modell lernt durch Versuch und Irrtum, optimale Entscheidungen zu treffen. Wie ein Kind, das ein Spiel lernt.

• Agent trifft Kauf-/Verkaufsentscheidungen
• Belohnung: Rendite → Lernt profitable Strategien

Der ML-Workflow

1. Datenbeschaffung: Relevante, saubere Daten sammeln
2. Feature Engineering: Wichtige Merkmale extrahieren
3. Modellauswahl: Passenden Algorithmus waehlen
4. Training: Modell mit Trainingsdaten trainieren
5. Evaluation: Modellguete auf Testdaten pruefen
6. Deployment: Modell in Produktion bringen
7. Monitoring: Modellleistung laufend ueberwachen