carrot carrot carrot Change Centers x cognizanti collaborators create-folder Data Science Decisive Infrastructure download download edit Email exit Facebook files folders future-of-work global sourcing industry info infographic linkedin location Mass Empowerment Mobile First our-latest-thinking pdf question-mark icon_rss save-article search-article search-folders settings icon_share smart-search Smart Sourcing icon_star Twitter Value Webs Virtual Capital workplace Artboard 1

Bitte besuchen Sie auch unsere Seite zum Thema Covid-19, um zu erfahren wie Sie mit der Krise und der Zeit danach umgehen können.

Deutschland

No Results.

Did you mean...

Or try searching another term.

Automatisiertes maschinelles Lernen

Was ist automatisiertes maschinelles Lernen?

Automatisiertes maschinelles Lernen (Automated Machine Learning, AutoML) ist der Prozess der Lösung realer Herausforderungen durch die Automatisierung von KI-basiertem Maschinelles Lernen,  das statistische Techniken oder Algorithmen verwendet, um auch einem Computer zu ermöglichen zu lernen. AutoML führt die gesamte Palette des maschinellen Lernens durch, vom Rohdatensatz bis zum einsatzfähigen maschinellen Lernmodell.

Die AutoML-Software automatisiert mehrere Funktionen des maschinellen Lernens, z. B. das Erkennen von Mustern und Strukturen, das Auffinden ungewöhnlicher Datenpunkte, die Vorhersage von Werten und Kategorien sowie das Lösen einer Vielzahl von Problemen.

Welche geschäftlichen Vorteile bietet automatisiertes maschinelles Lernen?

Zu den vielfältigen geschäftlichen Vorteilen von AutoML gehören:

  • Unternehmen können auf eine sehr große Datenmengen aus einer Vielzahl von Quellen zugreifen und sie relevant anwenden.
  • Ermöglicht Nicht-Experten die einfache Implementierung von Machine-Learning-Modellen, -Techniken und -Lösungen, so dass sich die Datenwissenschaftler eines Unternehmens auf komplexere Probleme konzentrieren können.
  • Beschleunigung der Bereitstellung von einfacheren Lösungen, die oft besser sind als manuell entworfene Modelle.
  • Schnelleres Lösen von Geschäftsproblemen durch Automatisierung manueller, langwieriger Aufgaben — wie z. B. der Vergleich von Dutzenden von Modellen zur Gewinnung von Erkenntnissen und Vorhersagen —, die sonst Wochen oder Monate erfordern würden.
  • Verbesserung des ROI von Datenwissenschaft durch Nutzung des institutionellen Wissens von Datenwissenschaftlern und Vermeidung des Zeit- und Kostenaufwands für die Erfassung von Werten.

ZURÜCK ZU

GLOSSAR