Wir setzen Sie zum Beispiel dazu ein, eine Segmentierung der Kundendaten in einem Online Shop durchzuführen, oder eine Performance Marketing Kampagne zu optimieren.
Dazu ist üblicherweise der Einsatz einer Programmiersprache mit einer Vielzahl von Programmbibliotheken für die gewählte Sprache nötig. Sehr häufig 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 über Menüs 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 über die Datentypen, Korrelationen und statistischen Verteilungen der Merkmale und Zielvariablen.
Nachdem Vorverarbeitungsschritte, wie die Behandlung von fehlenden Daten, durchgeführt wurden, und die Daten in Trainings- und Testdaten geteilt wurden, können mit den verschiedenen Modellklassen Modelle berechnet werden. Hier bietet “BigML” für “Supervised Learning” die gängigsten Verfahren für Regressions- und Klassifikationsaufgaben an, wie zum Beispiel Entscheidungsbäume 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 müssen. Gute Kenntnisse im Bereich Machine Learning ersetzt es jedoch nicht.“
ANDREAS STÖCKL
HEAD OF CUSTOMER DATA MANAGEMENT
Die gängigsten Verfahren können mit dem System durchgeführt werden
Auch diverse Methoden für “Unsupervised Learning”, wie zum Beispiel “Clusteranalyse”, Anomalie-Erkennung und Hauptkomponenten-Zerlegung befinden sich im “Werkzeugkasten” von BigML.
Mit den erstellten Modellen können dann Vorhersagen getätigt werden, und es kann die Qualität der Modelle mit Testdaten bestimmt werden. Hat man ein zufriedenstellendes Modell zusammengebaut, dann kann es in Form von Programmcodes für 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 müssen, werden an vielen Stellen in der Programmoberfläche “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 geführt wird, und viele Visualisierungen die Interaktion mit der Software und das Verständnis der Daten erleichtern.