Den Überblick über große Datenmengen zu behalten, ist nur mit menschlicher Intelligenz nicht machbar. Lumir Boureanu von IEE erklärt, wie wichtig es ist, dass auch Maschinen sich stetig entwickeln und lernen.
Von Big Data zu Smart Data
Warum Datenkonsistenz fürs Machine Learning so wichtig ist
Machine Learning soll Muster in vorhandenen Datenbeständen erkennen, und aus großen Datenmengen die richtigen Schlüsse ziehen. Wichtig dabei: Die Werte aus verschiedenen Quellen auf eine vergleichbare Basis zu stellen. In vier Phasen lässt sich die erforderliche Datenkonsistenz erreichen. Denn es gilt: Je besser die Daten, desto valider der ‚Lernprozess‘.
Es ist ein Untersegment der viel diskutierten künstlichen Intelligenz: Machine Learning. Ein Vorgang, der IT-Systeme in die Lage versetzt, auf Basis vorhandener Datenbestände und Algorithmen, Gesetzmäßigkeiten zu erkennen und daraus Lösungen zu entwickeln.
Weil die Datenqualität die wichtigste Determinante in einem Machine Learning-Prozess ist, sollte man sich schon vor Beginn eines solchen Projekts über die gewünschten Ziele im Klaren sein. Hängt doch von dieser Erwartung ab, welche Daten in welcher Form nötig sind, um den erforderlichen Machine Learning-Prozess aufzusetzen. Denn es gibt durchaus Prozesse, bei denen Machine Learning bereits mit nur wenigen Daten zu validen Ergebnissen führen kann. …
Mehr zum Trendthema Big Data in unserer Trendmap
