unsupervised learning
BiblioMap
Synonyme
unsupervised learning, unüberwachtes Lernen
Definitionen
Wenn dem Lernalgorithmus die richtige Lösung auf den
Trainingsdaten bekannt ist, spricht man von überwachtem
Lernen, sonst von unüberwachtem Lernen.
Von Michael Krause, Elena Natterer im Buch Wie Maschinen lernen (2019) im Text Maschinelles Lernen Bei manchen Problemen ist es aber
nicht möglich, dem Netzwerk als "Aufseher" für jeden Datensatz mitzuteilen,
wie die korrekte Ausgabe auszusehen hat.
KI-Verfahren für solche Probleme bezeichnet
man als „unsupervised“.
Von Sebastian Stabinger im Text Zuckerbrot und Peitsche (2018) Unüberwachtes Lernen (unsupervised learning) findet ohne Feedback statt. Beispielsweise sucht das Netz nach Ähnlichkeiten in Bildern und erzeugt Klassen von ähnlichen Bildern. Diese Form des Lernens ist wie ein Blick in den Nachthimmel, bei dem man ohne die geringste Ahnung von Astronomie nach Mustern sucht.
Von Gerd Gigerenzer im Buch Klick (2021) im Text Sind selbstfahrende Autos zum Greifen nah? Ist kein explizites Lernziel in den Daten vorhanden,
kann mit unüberwachtem Lernen eigenständig nach Mustern (z.B. verschiedene Gruppen) in Daten gesucht werden. Die Algorithmen bestimmen die zugrundeliegende Struktur des Datensatzes ohne
Informationen über Zielkriterien. Bei einer Reihe von Bildern könnte ein solcher Algorithmus beispielsweise
erkennen, dass die Objekte in den verschiedenen Bildern nicht identisch sind. Ohne die
Objekte zu kennen, können dann verschiedene Kategorien gebildet werden.
Von Interdepartementale Arbeitsgruppe künstliche Intelligenz im Buch Herausforderungen der künstlichen Intelligenz (2019) im Text Anhang 2: Maschinelles Lernen Bemerkungen
Unüberwachte maschinelle Lernverfahren werden häufig
verwendet, um Übersicht in riesigen Datenbanken
zu schaffen. Es ist also wie „Lernen ohne Lehrer“: Durch
Beobachtung werden Strukturen in den Daten gefunden.
Dies kann allerdings auch dazu führen, dass die Merkmale,
nach denen sortiert wird, gar nicht so viel Sinn
ergeben
Von Michael Krause, Elena Natterer im Buch Wie Maschinen lernen (2019) im Text Maschinelles Lernen Verwandte Objeke
Verwandte Begriffe (co-word occurance) | supervised learning(0.53), reinforcement learning(0.17), symbolische künstliche Intelligenz (GOFAI)(0.05), deep learning(0.04), machine learning(0.03) |
Häufig co-zitierte Personen
Statistisches Begriffsnetz
Zitationsgraph
Zitationsgraph (Beta-Test mit vis.js)
Zeitleiste
24 Erwähnungen
- Understanding Intelligence (Rolf Pfeifer, Christian Scheier) (1999)
- Supporting Student Self-regulation in Unsupervised Learning Environments (Paul Salvador Inventado, Masayuki Numao) (2012)
- Deep Learning in Neural Networks - An Overview (Preprint) (Jürgen Schmidhuber) (2015)
- Machine Platform Crowd - Wie wir das Beste aus unserer digitalen Zukunft machen (Andrew McAfee, Erik Brynjolfsson) (2017)
- Artificial Unintelligence (Meredith Broussard) (2018)
- The Fourth Education Revolution (Anthony Seldon, Oladimeji Abidoye) (2018)
- Zuckerbrot und Peitsche - Einer selbst gebauten KI per verstärkendem Lernen beibringen Pong zu spielen (Sebastian Stabinger) (2018)
- Wie Maschinen lernen - Künstliche Intelligenz verständlich erklärt (Kristian Kersting, Christoph Lampert, Constantin Rothkopf) (2019)
- 3. Maschinelles Lernen - Wie sich Computer an Probleme anpassen (Michael Krause, Elena Natterer)
- 23. No Free Lunch Theorem (Maike Elisa Müller)
- Herausforderungen der künstlichen Intelligenz - Bericht der interdepartementalen Arbeitsgruppe «Künstliche Intelligenz» an den Bundesrat (Interdepartementale Arbeitsgruppe künstliche Intelligenz) (2019)
- Jahrbuch Medienpädagogik 17 - Lernen mit und über Medien in einer digitalen Welt (Klaus Rummler, Ilka Koppel, Sandra Aßmann, Patrick Bettinger, Karsten D. Wolf) (2020)
- Constructionism 2020 (Brendan Tangney, Jake Rowan Byrne, Carina Girvan) (2020)
- The Myth Of Artificial Intelligence - Why Computers Can’t Think The Way We Do (Erik J. Larson) (2021)
- Klick - Wie wir in einer digitalen Welt die Kontrolle behalten und die richtigen Entscheidungen treffen (Gerd Gigerenzer) (2021)
- Machine Learning for Teachers - Evaluation und Entwicklung von Lehr- und Lernmaterialien zum Thema Künstliche Intelligenz für Lehrpersonen ab Sekundarstufe 1 (Thomas Zurfluh) (2022)
- Will we run out of data? - An analysis of the limits of scaling datasets in Machine Learning (Pablo Villalobos, Jaime Sevilla, Lennart Heim, Tamay Besiroglu, Marius Hobbhahn, Anson Ho) (2022)
- KI-Tools für Einsteiger (Alexander König) (2023)
- You & AI - Alles über Künstliche Intelligenz und wie sie unser Leben prägt (Anne Scherer, Cindy Candrian) (2023)
- 1. Hallo! - Hier ist KI
- Der Lernbereich «Künstliche Intelligenz» in der Jahrgangsstufe 11 des Gymnasiums - Erläuterungen und Materialien für Lehrkräfte (Alexander Ruf, Marco Hegmann, Christoph Gräßl, Wolfgang Pfeffer) (2023)
- Menschine - Kommentar für Lehrpersonen (Cornelia Bartolini, Konstantin Papageorgiou, Nadja Tarnutzer) (2023)
- AI and the Future of Education - Teaching in the Age of Artificial Intelligence 🔍 (Priten Shah) (2023)
- Künstliche Intelligenz in der Bildung (Claudia de Witt, Christina Gloerfeld, Silke Elisabeth Wrede) (2023)
- Unter dem Zeichen Künstlicher Intelligenz - Berufe, Kompetenzen und Kompetenzvermittlung der Zukunft (Gergana Vladova, Clementine Bertheau)
- KI-Tools für den Unterricht (Inez De Florio-Hansen) (2023)
- Alles überall auf einmal - Wie Künstliche Intelligenz unsere Welt verändert und was wir dabei gewinnen können (Miriam Meckel, Léa Steinacker) (2024)