Machine Learning
Machine Learning (deutsch: maschinelles Lernen) ist ein wichtiger Bereich der Computerwissenschaft und Bestandteil künstlicher Intelligenz. Computerprogramme die auf Machine Learning basieren, können mit Hilfe von Algorithmen eigenständig Lösungen für neue und unbekannte Probleme finden. Maschinelles Lernen kommt auch beim Online-Marketing und bei der Webanalyse zum Einsatz.
Hintergrund
Dass Computersoftware eigenständig lernen kann, setzt einiges voraus. Doch auch wenn die Technik heute sehr weit ist, benötigt diese Art der algorithmischen Berechnung von Wahrscheinlichkeiten immer das Handeln von Menschen. Man könnte Machine Learning somit auch als eine Art Human Computer Interaction verstehen. Denn bevor Software eigenständig handeln und Lösungen finden kann, muss sie mit relevanten Daten versorgt werden. Außerdem müssen entsprechende Regeln im Vorfeld aufgestellt werden.
Typen
Für Machine Learning werden häufig wiederkehrende Typen von Algorithmen genutzt.
- Supervised Learning: Hierbei werden die Algorithmen anhand von bestimmten Beispielen definiert. Es wird dabei versucht, durch die Generalisierung einer Lösung, die Lösung für weitere ähnliche Probleme zu finden. Supervised Learning kann zum Beispiel bei der Aufdeckung von Kreditkartenbetrug genutzt werden.
- Unsupervised Learning: Hier werden die Algorithmen mit beliebigen Beispielen bearbeitet. Ziel ist es dabei, innerhalb des Datensatzes eine Struktur zu erkennen. Diese Methode wird häufig beim sogenannten Clustering angewandt.
Beide eben genannten Methoden können beim sogenannten semi-supervised learning auch miteinander kombiniert werden.
- Transduction: Wenn Machine Learning auf dieser Methode beruht, wird versucht, neue Lösungen auf der Basis von spezifischen Fällen zu finden.
- Learning to learn: Diese Methode ist sehr spannend, weil die Algorithmen dabei Ableitungen aus bereits gemachten Erfahrungen ziehen.
- Developmental learning: Diese Stufe des Machine Learnings setzt auf das nahezu selbständige Lernen von Software durch den Austausch mit menschlichen „Lehrern“.
Anwendungsmöglichkeiten
Machine Learning wird in folgenden Bereichen im Internet eingesetzt.
Spam-Filter
In diesem Fall können Computerprogramme durch selbständiges Lernen eigene Filter für Spam-Mails oder Spam-Nachrichten entwickeln und diese anwenden.
Suchmaschinen-Rankings
Bei Suchmaschinen kann Machine Learning dafür sorgen, die Relevanz von Websites zu bestimmten Suchbegriffen eigenständig zu erkennen.
Voraussagen zum Nutzerverhalten
Eigenständig handelnde Algorithmen können die Suchabsicht von Usern vorhersagen und dementsprechend die SERP anpassen oder Empfehlungen für bestimmte Produkte in Online-Shops abgeben.
Spracherkennung oder Handschrifterkennung
Viele Suchmaschinen wie Google können auch nach eingesprochenen Begriffen suchen. Hierbei kommt ebenfalls Machine Learning zum Einsatz.
Bekämpfung von Internetkriminalität
Durch die Analyse verschiedener Daten anhand von Algorithmen kann Machine Learning zum Beispiel Kreditkartenbetrug oder Klickbetrug aufdecken.
Nutzen für Webanalyse und Marketing
Webanalysen mit Hilfe von Machine Learning haben den Vorteil, dass damit auch sehr große Datensätze wie Big Data zuverlässig erfasst und ausgewertet werden können. Zugleich lassen sich die Datensätze mit weiteren Methoden wie dem Clustering oder Data Mining bearbeiten.
Ein großer Nutzen von Machine Learning für die Webanalyse besteht sicherlich auch in der großen Zeitersparnis und der höheren Effizienz, wenn Computer nach bestimmten Regeln handeln und diese selbständig erweitern. So kann Machine Learning auch neben der Webanalyse für Bidding-Verfahren bei Online-Werbung zum Einsatz kommen.
Der größte Schwachpunkt des Machine Learnings besteht letztlich im Handeln der Menschen, welche die entsprechenden Algorithmen anlegen.
Weblinks