/ Blog

Machine Learning ohne Programmierkenntnisse

Machine Learning ist in der heutigen Zeit eine wichtige Technologie im Umgang mit Daten. Sie wird dazu benĂŒtzt um aus Daten Modelle der RealitĂ€t abzuleiten.

Andreas Stöckl

Wir setzen Sie zum Beispiel dazu ein, eine Segmentierung der Kundendaten in einem Online Shop durchzufĂŒhren, oder eine Performance Marketing Kampagne zu optimieren.
Dazu ist ĂŒblicherweise der Einsatz einer Programmiersprache mit einer Vielzahl von Programmbibliotheken fĂŒr die gewĂ€hlte Sprache nötig. Sehr hĂ€ufig werden hier heute “Python” oder “R” verwendet, und Bibliotheken wie “Scikit Learn” und “Tensorflow“. 

Es geht aber auch anders!

Einen anderen Weg versucht die Plattform “BigML” zu gehen, indem sie ein User Interface bietet, das ermöglicht alle Schritte eines “Machine Learning” Projektes ĂŒber MenĂŒs zu steuern.

In Österreich wird das Produkt von “A1 digital” als Cloud-Lösung angeboten: https://machinelearning.a1.digital/

Der Workflow beginnt mit dem Import der Daten aus den unterschiedlichsten Quellen, und bietet auch einen schnellen Überblick ĂŒber die Datentypen, Korrelationen und statistischen Verteilungen der Merkmale und Zielvariablen.

Nachdem Vorverarbeitungsschritte, wie die Behandlung von fehlenden Daten, durchgefĂŒhrt wurden, und die Daten in Trainings- und Testdaten geteilt wurden, können mit den verschiedenen Modellklassen Modelle berechnet werden. Hier bietet “BigML” fĂŒr “Supervised Learning” die gĂ€ngigsten Verfahren fĂŒr Regressions- und Klassifikationsaufgaben an, wie zum Beispiel EntscheidungsbĂ€ume oder “Random Forests”, lineare Regression oder “Logistic Regression” und Neuronale Netze.

 

„Die Plattform bietet eine Möglichkeit Machine Learning Modelle zu entwickeln ohne Programmcodes schreiben zu mĂŒssen. Gute Kenntnisse im Bereich Machine Learning ersetzt es jedoch nicht.“

Die gĂ€ngigsten Verfahren können mit dem System durchgefĂŒhrt werden

Auch diverse Methoden fĂŒr “Unsupervised Learning”, wie zum Beispiel “Clusteranalyse”, Anomalie-Erkennung und Hauptkomponenten-Zerlegung befinden sich im “Werkzeugkasten” von BigML.

Mit den erstellten Modellen können dann Vorhersagen getĂ€tigt werden, und es kann die QualitĂ€t der Modelle mit Testdaten bestimmt werden. Hat man ein zufriedenstellendes Modell zusammengebaut, dann kann es in Form von Programmcodes fĂŒr unterschiedliche Programmiersprachen heruntergeladen, und zum Beispiel in Software-Lösungen integriert werden.

Um auch mit wenig Vorwissen gut durch den Workflow zu kommen, ohne eine Vielzahl an Parametern einstellen zu mĂŒssen, werden an vielen Stellen in der ProgrammoberflĂ€che “1-Click” Assistenten angeboten.

 

Fazit

Die Plattform bietet eine Vielzahl an Methoden, die sehr bequem und Zeitsparend eingesetzt werden können. Ohne entsprechend gutem Vorwissen im Bereich “Machine Learning”, wird man aber auch hier zu keinen guten Resultaten kommen. Einen großen Vorteil der Plattform sehe ich darin, dass man gut strukturiert durch den Prozess gefĂŒhrt wird, und viele Visualisierungen die Interaktion mit der Software und das VerstĂ€ndnis der Daten erleichtern.

Quellen:

Eine kurze EinfĂŒhrung findet sich zum Beispiel unter: https://www.youtube.com/watch?v=w0jRGVwDHn4

 

Jetzt fĂŒr unseren Newsletter anmelden!