Skip to main content
main-content

Über dieses Buch

Daten werden überall gesammelt. Jeder Kauf, ob online oder offline, jede Autofahrt und jede Benutzung des Smartphones erzeugt Daten, die gespeichert werden. So entstehen Datenberge, die in atemberaubendem Tempo wachsen – für 2020 geht man von 40 Billionen Gigabytes aus. Aber was passiert dann mit diesen Daten? Wie werden sie ausgewertet? Und wer macht das?

Holger Aust nimmt Sie mit auf einen unterhaltsamen Ausflug in die wunderbare Welt der Data Science. Sein Buch richtet sich an alle, die schon immer wissen wollten, wie Maschinen anhand von Daten lernen und ob sie dadurch (künstliche) Intelligenz erlangen. Sie erfahren natürlich auch, was neuronale Netze und Deep Learning eigentlich mit all dem zu tun haben.

In leicht verständlichem Stil erhalten Sie außerdem Einblicke in die Funktionsweise der wichtigsten Algorithmen und lernen konkrete Beispiele, Herausforderungen und Risiken aus der Praxis kennen: Sie erfahren etwa, wie Mobilfunkanbieter ihre Kunden bei Laune halten, wie Erdbebenvorhersage funktioniert und warum auch Computer zum Schubladendenken neigen.

Inhaltsverzeichnis

Frontmatter

1. Data Science: Die Kunst mit Daten umzugehen

Zusammenfassung
Data Science ist vielfältig und aus der heutigen Welt nicht mehr wegzudenken. Allerdings ist es gar nicht leicht, Data Science in wenigen Worten zu definieren. Was ist der Kern dieses Gebiets? Dazu kommen noch eine ganze Menge Modewörter wie Künstliche Intelligenz, Big Data oder Deep Learning. Eine Einordnung der Begrifflichkeiten tut not. Ist maschinelles Lernen das gleiche wie Data Science oder doch etwas ganz anderes? Und warum brauchen wir dafür Big Data und die Cloud? Daten werden mittlerweile überall fleißig gesammelt, aber darüber wird häufig das Ziel, nämlich die Nutzung dieser Daten, nachrangig behandelt. Dabei steckt das Potential im Erkenntnisgewinn, welcher aus der Datenanalyse gewonnen werden kann. Gleichzeitig ermöglichen die Datenalgorithmen neue Produkte oder Dienstleistungen, die für uns schnell alltäglich werden.
Holger Aust

2. KI: Hype oder Technologie der Zukunft?

Zusammenfassung
Dieses Kapitel beschäftigt sich mit dem Begriff Künstliche Intelligenz (KI). Wie ist der Begriff entstanden und was verbirgt sich dahinter? Besitzt etwa ein gutes Schachprogramm Intelligenz, gilt doch das königliche Spiel Schach als komplex. Künstliche Intelligenz ist aktuell ein Modewort, das inflationär verwendet wird und an das große Hoffnungen und Versprechungen geknüpft werden. Gleichzeitig wurden in letzter Zeit beachtliche Dieser Hype ist tatsächlich nicht neu, in der kurzen Geschichte der KI wechselten sich Trend und Verachtung mehrmals ab. Folgt nach dem jetzigen Trend wieder ein KI-Winter oder ist es diesmal anders? Es lohnt sich zu differenzieren. Man unterscheidet daher zwischen starker KI, welche allgemeine Fähigkeiten wie Kommunikation mit Menschen bezeichnet, und schwacher KI, welche auf spezielle Aufgaben wie Schach oder Objekterkennung auf Bildern zugeschnitten ist.
Holger Aust

3. Wie lernt eine Maschine?

Zusammenfassung
Es ist faszinierend, wie eine Maschine Aufgaben ausführen kann, ohne dass explizit Regeln einprogrammiert wurden. Doch wie funktioniert das genau? Man unterteilt das maschinellen Lernens in drei Arten: überwachtes, unüberwachtes und bestärkendes Lernen. Diese unterscheiden sich ganz erheblich, sowohl was die Voraussetzungen an die Trainingsdaten betrifft als auch in den Anwendungsmöglichkeiten. Algorithmen des überwachten Lernens benötigt einen Trainingsdatensatz mit Ergebnissen. Algorithmen, die dem unüberwachten Lernen zugeordnet werden, finden selbstständig Strukturen in den Daten. Bestärkendes Lernen schließlich kommt bei Agenten zum Einsatz, die sich in einem Trainingsumfeld bewegen und Feedback bekommen. Besonders nützlich ist die Übertragung von Gelerntem, das Transfer Learning, damit ein Algorithmus nicht von vorne anfangen muss.
Holger Aust

4. Stolz und Vorurteile – Risiken von Data Science

Zusammenfassung
Künstliche Intelligenz ist ein Segen oder eine Bedrohung für den Menschen? Höchste Zeit, die Debatte zu versachlichen. Aktuell sieht es weder nach dem einen oder anderen aus, aber keiner kann in die Zukunft blicken. Sicher ist, dass Data Science, wie jede Technologie, auch für schlechte Dinge verwendet werden kann. Aktuell gibt aber vor allem die unbedachte Verwendung Anlass zur Sorge. Das fängt mit sauberen Daten und der korrekten Anwendung der statistischen Methoden an, die durch die heutige Publikationskultur eher wenig beachtet werden. Auch kommt man immer mehr dahinter, wie wichtig die vorsichtige Zusammenstellung eines Trainingsdatensätze ist, um Verzerrungen zu vermeiden. Neben dem Handwerkszeug sollen aber auch allgemeinere ethische Probleme, die zum Beispiel beim autonomes Fahren bedacht werden sollten, nicht unerwähnt bleiben.
Holger Aust

5. Typische Aufgaben eines Data Scientists

Zusammenfassung
Der Beruf Data Scientist ist vielfältig, vom Allrounder in einem Startup bis zum Spezialisten in einem großen Data Science Team in einem Konzern. Dieses Kapitel versucht, die typischen Aufgaben zu beschreiben. Zuerst einmal müssen die Daten überhaupt nutzbar gemacht werden. Dazu müssen sie in geeigneter Form in die entsprechenden Systeme gebracht werden. Tatsächlich ist das Vorbereiten der Daten für einen Algorithmus ein wichtiger und alltäglicher Aufgabenbereich. Das Erkunden der Daten und die Wahl eines geeigneten Modells ist dann eine Wohltat dagegen. Die Interpretation und Darstellung der Ergebnisse mittels schöner Grafiken dürfen nicht vernachlässigt werden, schließlich soll die Analyse ein Publikum finden. Das Produktivsetzen wartet mit ganz eigenen Herausforderungen, die ebenfalls vom Data Scientist gemeistert werden müssen.
Holger Aust

6. Das Gehirn kopieren? – Künstliche neuronale Netze

Zusammenfassung
In den letzten Jahren wurden bahnbrechende Entwicklungen im Bereich maschinellem Lernen gemacht. Aufgaben, die Computer bisher kaum lösen konnten, sind in unserem Alltag angekommen. Zu nennen sind insbesondere die Verarbeitung menschlicher Sprache und die Objekterkennung auf Bildern. Hinter den Fortschritten stecken künstliche neuronale Netze, deren Aufbau vom biologischen Pendant inspiriert ist. Doch es funktioniert eigentlich ganz anders. Wie ist also ein künstliches neuronales Netz aufgebaut und wie kann es lernen? Für die unzähligen Parameter werden große Datensätze und entsprechend Rechenpower benötigt. Letztere liefern Grafikprozessoren, die ursprünglich für 3D-Spiele entwickelt wurden. Und schließlich gibt es mittlerweile viele Varianten der neuronalen Netze, die jeweils für verschiedene Anwendungen geeignet sind.
Holger Aust

7. Data Science in der Praxis

Zusammenfassung
Data Science ist für unseren Alltag unverzichtbar. Denn sehr viele Dinge, die wir tun und auf die wir uns verlassen, basieren auf datengetriebenen Algorithmen. Surfen wir im Internet, dann sind Suchmaschine und automatische Empfehlungen, die durch recommender engines generiert werden, selbstverständlich. Die Routen, die LKWs nehmen, um den Einzelhandel zu beliefern oder uns unsere online bestellten Produkte zu bringen, werden mit Hilfe von Algorithmen optimiert. Damit genügend Lebensmittel in den Supermärkten liegen, werden automatische Dispositionssysteme benutzt. Unsere Banken überprüfen täglich Millionen Kontenbewegungen, um Betrüger zu erkennen. An der Börse haben Computer den Broker schon vor einiger Zeit abgelöst. Dieses Kapitel erklärt die Funktionsweise der dahinter steckenden allgegenwärtigen Algorithmen.
Holger Aust

8. Abschluss

Zusammenfassung
Data Science ist ein relativ junges Gebiet, das ständig an Bedeutung gewinnt. Es durchdringt unseren Alltag immer weiter, auch wenn man als Nutzer von neuen Technologien das nicht unbedingt mitbekommt. Das Potential für Firmen ist gewaltig und so werden mittlerweile einige Anstrengungen unternommen, Daten bei der Unternehmenssteuerung stärker zu berücksichtigen. Mit der dynamischen Weiterentwicklung trennt sich das eher generalistische Berufsbild des Data Scientisten in Spezialisierungen auf. Der Machine Learning Engineer ist vielleicht die vielversprechenste Spezialisierung, denn Maschinelles Lernen hat in den letzten Jahren viele bahnbrechende Fortschritte erzielt und wird in immer mehr Bereichen eingesetzt.
Holger Aust

Backmatter

Weitere Informationen

Premium Partner

    Bildnachweise