Mit “Machine Learning” die Nadel im Heuhaufen finden

Sorry, this entry is only available in German. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

“Big Data”-Quiz

4.) Mit “Machine Learning” die Nadel im Heuhaufen finden. Wenn man weiß, was man sucht bzw. berechnen muss, ist es ja noch einfach. Oft hat man allerdings unstrukturierte Daten, bei denen man nicht genau weiß, wo und wie das Wissen in den Daten steckt – da wird “Machine Learning” verdammt wertvoll.
Wie viele wesentliche Machine-Learning-Arlgorithmen gibt es?
a) acht
b) ein paar Dutzend
c) Hunderte
Wenn wir sowohl die Daten wie auch das Problem gut kennen, finden wir natürlich ziemlich rasch die Lösung. Wenn der Schlüssel zur Lösung des Problems allerdings nicht auf offensichtliche Weise in den Daten steckt, wird es schwierig. Genau da kommt “Machine Learning” ins Spiel.

Unter “Machine Learning” versteht man die “künstliche” Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann nach der Lernphase verallgemeinern. Es lernt nicht einfach die Beispiele auswendig, sondern es „erkennt“ Gesetzmäßigkeiten in den Daten. So kann das System dann auch unbekannte Daten beurteilen. (siehe auch http://de.wikipedia.org/wiki/Maschinelles_Lernen)

Beispiel aus der Flugzeugbranche: Jede Luftlinie hat ihre (geheime) Strategie, welche Flüge sie wann zu welchen Konditionen anbietet. Mit dem Wissen über die Strategie der Konkurrenz könnte man natürlich sein eigenes Verbindungsnetz optimieren.

Eine der größten Luftlinien Europas (mehrere tausend Starts und Landungen pro Tag) beauftragte uns mit der Analyse der Marktdaten, weil sie mit der Intuition und Erfahrung ihrer Mitarbeiter anstanden.

Die Herausforderung bestand darin,

  1. aus den Hunderten Machine-Learning-Algorithmen diejenigen zu identifizieren, die für dieses konkrete Problem und die konkreten Daten am besten funktionierten
  2. die diversen Parameter dieser Algorithmen geeignet zu wählen (ohne dass uns irgendwer sagen könnte, was in diesem konkreten Fall geeignet wäre),
  3. Dutzende Datenquellen anzuzapfen und unterschiedliche Datenformate zu verarbeiten und
  4. mit schlechter Datenqualität umgehen zu können usw.

Mehr dazu in unserem “Machine Learning”-Video.

Wir haben für unseren Kunden bisher unbekannte Strategien seiner Mitbewerber sichtbar gemacht, was natürlich enorm wertvoll ist – sie haben jetzt alle Optionen:

  • entweder mit diesem Wissen Kosten reduzieren oder
  • das Wachstum forcieren.

 

Interessiert? Vereinbaren Sie mit uns

Anfrage für Web-Konferenz bzw. Anfrage für persönliches Treffen

 

Zurück zum Quiz
Previous Post
High Performance Computing even for document production
Next Post
“Big-Data” Quiz

Related Posts

No results found

Leave a Reply

Your email address will not be published. Required fields are marked *

Fill out this field
Fill out this field
Please enter a valid email address.
You need to agree with the terms to proceed

Menu