Maschinelles Lernen

Maschinelles Lernen (engl. Machine Learning, ML) ist ein bedeutender Bereich der künstlichen Intelligenz, der ermöglicht, aus Daten zu lernen, Muster zu erkennen und Entscheidungen zu treffen, ohne dass eine explizite Programmierung erforderlich ist. In diesem Abschnitt werden die Grundlagen des maschinellen Lernens behandelt. Der Fokus liegt dabei auf der Auswahl der Themen, die gezielt auf die Anwendung von TinyML ausgerichtet sind.

KI umfasst ein breiteres Spektrum an Technologien, einschließlich maschinelles Lernen, bei dem Maschinen Aufgaben ausführen, die menschliche Intelligenz erfordern, wie z. B. Spracherkennung, Problemlösung und Lernen. Maschinelles Lernen basiert auf Algorithmen, die Daten analysieren und Muster erkennen, um Vorhersagen oder Entscheidungen zu treffen. Deep Learning ist eine spezielle Unterklasse von maschinellen Lernverfahren, die auf künstlichen neuronalen Netzen basieren. Diese Netze sind in der Lage, komplexe Muster in großen Datenmengen zu erkennen. Während maschinelles Lernen also die Techniken und Methoden umfasst, durch die Computer aus Daten lernen können, spezialisiert sich Deep Learning auf tiefere, komplexere Strukturen, die das Lernen noch weitergehender und feingranularer ermöglichen. In Abbildung 1 sind die Zusammenhänge der einzelnen Bereiche dargestellt.

Mehr erfahren: IBM/Was ist maschinelles Lernen?

Abbildung 1: Teilbereiche künstlicher Intelligenz