Adarsh Kyadige, Senior Data Scientist im KI-Team von Sophos, nennt erste Schritte und Unwägbarkeiten beim Erstellen von Machine-Learning-Modellen.
Vor dem erfolgreichen Machine Learning kommt die Datenjagd
Künstliche Intelligenz bzw. Machine Learning hat in den letzten zehn Jahren einen enormen Aufschwung erlebt. Viele Branchen investieren jetzt massiv in Lösungen, die auf maschinellem Lernen basieren. Auch die Nachfrage nach qualifizierten Spezialisten ist sprunghaft gestiegen. Mehrere Universitäten weltweit bieten Abschlüsse mit dem Schwerpunkt Data Science oder Künstlicher Intelligenz an. Und auch an deutschen Hochschulen gewinnen diese Inhalte deutlich an Bedeutung.
Während sich Universitäten dabei vor allem auf die mathematischen und theoretischen Konzepte konzentrieren, können die erforderlichen Fähigkeiten und Kenntnisse für das Training von Machine-Learning-Modellen bei Problemstellungen in der realen Welt ganz anders aussehen.
Verfügbarkeit der notwendigen Daten
Meistens ents...
Dieser Beitrag kann kostenfrei gelesen werden, nachdem sich mit dem uplifted-Account angemeldet wurde. Noch kein uplifted Account? Dann hier kostenfrei registrieren oder hier anmelden:
