Die Support Vector Machine ist eine häufig verwendete Methode zum überwachten Lernen, welche insbesondere Anwendung in der Klassifikation von Bild- und Textdaten findet. Dieser Beitrag geht auf ihre Funktionsweise ein.
Die Recherche zur Fallbearbeitung nimmt einen Großteil der Arbeitszeit von Jurist*innen in Anspruch. Durch den Einsatz von speziellen Machine-Learning-Methoden, wie dem Question Answering, kann dieser Aufwand reduziert werden.
Für die Feiertage haben wir ein paar Lesetipps zusammengestellt. Der ML2R-Blog wird im neuen Jahr mit interessanten Beiträgen rund um Künstliche Intelligenz und Maschinelles Lernen zurück sein.
In diesem Beitrag zeigt Autor Eduardo Brito wie die Klassifizierung von Artikeln in Online-Shops automatisiert werden kann und präsentiert anhand eines Anwendungsbeispiels eine ressourcenschonende Lösung.
Klassifikation ist eines der fundamentalen Denkwerkzeuge im ML. Mit ihm können existierende Lösungen auf neue Probleme übertragen werden. Klassifikatoren lernen, aus Daten Muster zu erkennen und so Daten verschiedenen Klassen zuzuordnen.
Feindliche Angriffe auf Vorhersagemodelle des Maschinellen Lernens, zum Beispiel beim autonomen Fahren, könnten zu großem (Personen-)Schaden führen. Mit Hilfe von Abwehrmechanismen können ML-Modelle geschützt und ihre Robustheit gegenüber Angriffen erhöht werden.
Mit Aktivem Lernen wird das Annotieren von Daten schneller und kostengünstiger. Die Methode bindet Menschen effizient in den Prozess des Maschinellen Lernens ein und bildet damit ein Sprungbrett für vertrauenswürdige KI.
Gammastrahlung gibt Hinweise auf Vorgänge im Weltall. Erstmalig ist es einem interdisziplinären Forscherteam der Informatik und Astrophysik an der TU Dortmund gelungen, die Analyse von Gammastrahlung in Echtzeit am Teleskop durchzuführen.
Maschinelles Lernen ist längst zum festen Bestandteil unserer Welt geworden, sie verändert unser Leben und die Gesellschaft. Wir erklären hier die grundlegenden Begriffe und Konzepte dieser neuartigen Technologie.
