Lesson
    1
    Lesson
    2
    Lesson
    3

    0%
    Lesson
    4
    Lesson
    5

    0%
    • 2.3 Unsupervised  Learning (Unüberwachtes Lernen)

      Im Positionspaper von Bitkom und DFKI wird überwachtes Lernen wie folgt beschrieben:

      "Im Gegensatz dazu ist im unüberwachten Lernen kein explizites Prognoseziel vorgegeben, Ziel der Analyse ist es, interessante und relevante Muster in den Daten zu finden. Eine typische Anwendung ist die Anomalie-Erkennung, z. B. für Anwendungen in der präventiven Wartung im Kontext von Industrie 4.0. Welche Muster tatsächlich interessant und relevant sind, ist dabei aus Anwendungssicht zu definieren, wodurch die Verständlichkeit der Muster, die eine inhaltliche Bewertung erst ermöglicht, Teil der Aufgabe an sich ist."


      – Quelle: Künstliche Intelligenz: Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung S. 97


      Ein fundamentaler Unterschied zwischen Unsupervised und Supervised Learning ist, dass beim Unsupervised Learning die Trainingsdaten nicht annotiert sind, sodass das neuronale Netz selbst die bestimmten Merkmale oder Features generieren muss. Beim Supervised Learning müssen die Trainingsdaten zuvor annotiert werden, sodass das Netz später Vorhersagen, über nicht annotierte Daten erstellen kann.

      Methode Supervised Learning Unsupervised Learning
      Trainingsdaten Datensatz mit Tierbildern
      Annotationen Hundebilder mit Annotationen -
      Lernergebnis
      Netz unterscheidet
      Hund / nicht Hund verschiedene Tiere