Kurz-Fakten
- Überwachtes Lernen arbeitet mit gelabelten Beispielen, unüberwachtes ohne
- Die Qualität des Ergebnisses hängt stärker von den Daten ab als vom Verfahren
- Ein trainiertes Modell erklärt nicht, warum es so entscheidet – dafür braucht es zusätzliche Verfahren
- Deep Learning ist ein Teilbereich des maschinellen Lernens, nicht dasselbe
Bedeutung in der Praxis
Der praktisch wichtigste Satz über maschinelles Lernen lautet: Das Modell lernt, was in den Daten steht – einschließlich dessen, was dort versehentlich steht. Enthält eine Personalakte historisch überwiegend männliche Einstellungen, lernt das Modell diese Bevorzugung mit.
Vor jedem Projekt steht deshalb sinnvollerweise eine Datenprüfung und nicht eine Modellauswahl. Ein erheblicher Teil gescheiterter Vorhaben scheitert nicht am Verfahren, sondern daran, dass die vorhandenen Daten die Fragestellung gar nicht hergeben.