• 0
      1. Tu carrito está vacío.
    • artículo(s)0,00
9. April 2020 Njla772

Maschinelles Lernen (ML) ist automatisiertes Lernen unter Verwendung fortschrittlicher Algorithmen. Diese bestehen aus vielen Technologien, wie zum Beispiel der Tiefes Lernen(tiefes Lernen), die Neuronale Netze und Verarbeitung natürlicher Sprache (NLP).

Maschinelles Lernen, künstliche Intelligenz und Data Mining

ML gehört zum Bereich der künstlichen Intelligenz (KI). Es bedeutet, dass Maschinen die Fähigkeit haben zu lernen, ohne explizit programmiert zu werden. Das maschinelle Lernen konzentriert sich auf die Entwicklung von Computerprogrammen, die sich ändern können, wenn sie mit neuen Daten konfrontiert werden.

Daher ähnelt Maschinelles Lernen dem Data Mining. Beide Systeme suchen nach Mustern in den Daten. Data Mining, Extrahieren dieser Daten zur Analyse und zum menschlichen Verständnis. Auf der anderen Seite passt das maschinelle Lernen, sobald es die Muster erkannt hat, die Aktionen des Programms entsprechend an.

 

 

Beaufsichtigtes und unbeaufsichtigtes Lernen

Diese Technologien werden beim unbeaufsichtigten und überwachten Lernen eingesetzt, das auf der Grundlage von Lehren aus vorhandenen Informationen funktioniert. Algorithmen des maschinellen Lernens werden häufig als beaufsichtigt oder unbeaufsichtigt eingestuft.

Beaufsichtigt: Überwachte Algorithmen können das in der Vergangenheit Gelernte auf neue Daten anwenden.

Unbeaufsichtigt: Unüberwachte Algorithmen können Rückschlüsse aus Datensätzen ziehen.

Maschinelles Lernen (ML) ist eine Anwendung der künstlichen Intelligenz (KI), die Systeme in die Lage versetzt, automatisch aus Erfahrungen zu lernen und sich zu verbessern, ohne explizit programmiert zu werden.

Einsatz von maschinellem Lernen

Tagtäglich stoßen wir auf automatisches Lernen in Netflix Film- und Serienempfehlungen, Musik auf Spotify, in den autonomen Autos oder bei der Erkennung von Kreditkartenbetrug.

Marketing- und E-Commerce-Plattformen können so angepasst werden, dass sie ihren Nutzern genaue und personalisierte Empfehlungen auf der Grundlage der Internet-Suchhistorie bieten oder Transaktionen Benutzer.

Facebook passt zum Beispiel den Post-Feed an die Zeit an, die wir für das Posten bestimmter Profile aufwenden. Ihr Ziel ist es, die Zeit, die wir auf ihrer Plattform verbringen, zu optimieren und zu verlängern, und dazu zeigt sie uns in größerer Menge die Publikationen, die sie entdeckt hat und die unser Interesse wecken.

 

 

Im Jahr 1997 schlug das IBM Deep Blue-System den Schachweltmeister Gary Kasparow

Im Jahr 2016, AlphaGo besiegte einen der besten Go-Spieler, Lee Sedol.

 

Verwandte Begriffe:

Warum sind große Daten so wichtig?

Power BI: Das Werkzeug zur Geschäftsanalyse

Neuronale Netze : Betrieb und Anwendung

 

 

 

Sinónimos:
ML, Maschinelles Lernen, Maschinelles Lernen
Kontakt aufnehmen
Mitteilungsblatt

Abonniere den Newsletter über E-Commerce und digitale Transformation

Trends, Tipps, Ebooks und mehr
rund um Ecommerce und Business Intelligence

Ausserdem schenken wir Dir das 1º Kapitel aus unserem Buch «Verbinde Dein Unternehmen. Die digitale Transformation del Vertriebskanäle»

Mitteilungsblatt
Kontakt aufnehmen
Kontakt
connect-logo-white-retinue

Produkt

Infos

Support

Verbinde Dein Unternehmen.

Branding

In HUB 360 findest Du alle Technologien und Services für Deine ECommerce-Strategie.

Ecommerce

Integriere Dein E-Commerce in ERP mit allen Online Kanälen.

922-014-341

Proyecto Cofinanciado por el Fondo Europeo de Desarrollo Regional. Beneficiario: Conecta Software Soluciones SLU. Nº expediente: EATIC2019010001. Inversión Aprobada: 173.800,00 €. Comienzo: 01/04/2019. Finalización: 30/09/2020. El presente proyecto tiene como objetivo el desarrollo de una capa de usuario multilingüe y dashboards para entornos web y windows de solución de Business Intelligence.

Projekt kofinanziert durch den Europäischen Fonds für regionale Entwicklung. Begünstigter: Conecta Software Soluciones SLU. Aktenzeichen: PI2019010001. Genehmigte Investition: 6.444,80 Startdatum: 17/10/2018. Abschluss: 16.10.2019. Ziel des vorliegenden Projekts ist die Entwicklung einer Konnektor-Software, die die Erstellung virtueller Kataloge automatisiert, so dass das Unternehmen in seinem Online-Shop Produkte mit einer umfassenden Beschreibung und mit Bildern anbieten kann, die die Benutzererfahrung reicher und vollständiger machen.

2020 ALLE RECHTE VORBEHALTEN. SOFTWARE VERBINDEN

Kontakt
Sinónimos:
ML, Maschinelles Lernen, Maschinelles Lernen
Deutsch
Deutsch Español English (UK)