Suche
Interview: Machine Learning – die Zukunft mit Daten voraussagen

Machine Learning as a Service: Wie Machine Learning essentiell für den Unternehmenserfolg sein kann

Christoph Ebert

Mithilfe von Machine Learning (ML) lassen sich nicht nur große Datenmengen sehr schnell verarbeiten und berechnen. Dank komplexer Modelle lassen sich auch Vorhersagen treffen, die entscheidend für den Unternehmenserfolg sein können. Mit Barbara Fusinska (Data Solution Architect bei Microsoft) sprechen wir nicht nur über die Basics hinter ML, sondern auch über spannende Techniken zur Datenmanipulation.

Applikationen werden immer intelligenter werden. Sie können unser Online-Kaufverhalten, Lieblingsfilme oder Lesepräferenzen vorhersagen. Auch deswegen ist Unternehmenserfolg heutzutage immer stärker mit datenbasierten Prognosen verbunden. Und hier kommt mittlerweile immer öfter Machine Learning ins Spiel. Dabei ist Machine Learning nicht gleichzusetzen mit künstlicher Intelligenz. Stattdessen sind viele Machine-Learning-Modelle zwar hochkomplex, sie sind aber nicht in der Lage intelligent zu denken wie Menschen. Was Machine Learning aber kann, was seine Grundlage ist: Es kann sehr schnell sehr große Datenmengen verarbeiten, berechnen und lernen, auf dieser Basis Vorhersagen zu treffen.

Machine Learning as a Service

Mit Barbara Fusinska (Data Solution Architect bei Microsoft) sprechen wir über ihr Verständnis von Machine Learning und darüber, wie Services wie Azure Machine Learning Studio Unternehmen dabei helfen können, Entwicklern mit unterschiedlichen Fachkenntnissen in die Lage zu versetzen, Machine-Learning-Modelle für verschiedene Geschäftszwecke einzusetzen – Stichwort: Machine Learning as a Service. Denn der harte Kern des Entwicklerberufs, das Programmieren, wurde bislang nur wenig berührt. Bisher waren hauptsächlich die sogenannten Data Scientists gefragt. In der Realität sind dies oft ehemalige Wissenschaftler, die stark in Statistik sind und das Programmieren gelernt haben. Durch den zunehmenden Einsatz von Machine Learning in Produktivsystemen wird jedoch zunehmend klar: Entwickler werden eine Schlüsselrolle beim Überführen von ML-Systemen aus der Forschungs- und Bastelecke in Produktivsysteme, die echten Mehrwert für Nutzer bringen, spielen.

 

Geschrieben von
Christoph Ebert
Christoph Ebert
Christoph Ebert stieß im Juli 2011 zum Online-Team von Software & Support Media. Als Redakteur kümmert er sich um das Portfolio von entwickler.press und ist verantwortlich für das Entwickler Magazin und entwickler.de. Davor betreute er die Portale WebMagazin.de, CreateOrDie.de und mobile360.de. Vor seiner Zeit in Frankfurt arbeitete der studierte Amerikanist und Tech-Geek als Redakteur für ein Heimkinofachmagazin im Süden Deutschlands.
Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.