Zum Inhalt springen

Use Cases

Machine Learning Use Cases begegnen uns heute auf allen möglichen Websiten im Internet und wird auch von Unternehmen vermehrt in der Produktion genutzt. In diesem Kapitel werden einige Beiträge aus den Bereichen Daten und Machine Learning praktisch umgesetzt, um zu zeigen, dass sich einfache Machine Learning Anwendungen schnell und unkompliziert realisieren lassen.

Use Cases aus dem Bereich Daten

Daten sind überlebenswichtig für jede Machine Learning Anwendung. Somit ist es eine unverzichtbare Fähigkeit mit großen Datenmengen richtig umgehen zu können, wenn man erfolgreiche Machine Learning Projekte umsetzen will.

Einige grundlegende Anwendungen im Bereich Daten sind:

  • Datenbeschaffung: Wenn wir selbst nicht über die nötigen Datenmengen für ein Projekt verfügen, müssen wir Techniken kennen, wie wir an aussagekräftige Daten kommen können. Die Abfrage von Daten aus öffentlichen Application Programming Interfaces (APIs) oder das Scrapen von Websiten sind zwei Beispiele dafür.
  • Datenspeicherung: Sobald die Daten gesichert sind, müssen sie entsprechend so abgespeichert werden, dass es kostengünstig ist und auch entsprechend leistungsfähig und schnell abgefragt werden kann.
  • Datenqualität: Wir müssen mit geeigneten, statistischen Techniken feststellen können, ob die Daten aussagekräftig genug sind, um ein Vorhersagemodell darauf aufbauen können. Dazu müssen beispielsweise auch einige Datensätze gezielt entfernt werden.

Einige unserer Beiträge im Bereiche Machine Learning Use Cases

Das Bild zeigt ein großes Zahnrad mit mehreren kleinen Zahnrädern in Anlehnung an Microservices.

Was sind Microservices?

Erstellen Sie skalierbare und modulare Anwendungen mit Microservices. Ermöglichen Sie flexible Dienste für eine effiziente Entwicklung.

Das Bild zeigt eine Straße in Anlehnung an Named Entity Recognition.

Was ist Named Entity Recognition (NER)?

Erklärung von Named Entity Recognition mit Beispielen und Anwendungen.

Das Bild zeigt Bert aus der Sesamstraße mit Popcorn in einem Kinosaal.

Sentiment Analyse mit BERT und TensorFlow

Nutzung des BERT Embeddings zur Textklassifizierung von IMDb Filmbewertungen.

Gesichtserkennung in Anlehnung an Convolutional Neural Network

Convolutional Neural Network in TensorFlow mit CIFAR10 Bildern

Convolutional Neural Network in Python erstellen mit Tensorflow.

Das Bild zeigt eine Spinne, die sich über ihr Netz auf eine Website abseilt.

Web Scraping mit Python – in 5 Minuten zum fertigen Scraper!

Web Scraping am Beispiel mit Python und der Bibliothek Beautiful Soup.

Verbreitete Machine Learning Use Cases

Algorithmen, die mit einer hohen Genauigkeit gewissen Zustände vorhersagen können, haben unterschiedlichste Anwendungsfelder. Die verbreitesten sind beispielsweise:

  • Sprachassistenten: Diese Systeme nutzen Machine Learning, um natürliche Sprache verstehen und richtig interpretieren zu können und auf die Fragen zielgerichtet reagieren zu können. Es muss beispielsweise gelernt werden, auf verschiedene Sprachen und Dialekte reagieren zu können oder verschiedene Formulierungen für denselben Befehl zu verstehen.
Diese Bild zeigt von vielen Machine Learning Use Cases, nämlich einen Sprachassistenten auf einem Tisch, der sich mit einer Person unterhält.
Sprachassistenten mit Hilfe von Machine Learning
  • Dynamic Pricing: Hierbei geht es darum, spezifische Preise für dasselbe Produkte zu setzen abhängig vom Kunden, Land oder anderen Umständen. Vor ein paar Jahren war dies vor allem auf Fluggesellschaften beschränkt, die Flugpreise entsprechend angepasst haben, um so näher das Abflugdatum gerückt ist. Heutzutage ist diese Strategie in vielen Bereichen denkbar, beispielsweise im E-Commerce, in dem Kunden besonders vergünstigte Bundles angeboten werden, um den Kunden zurück in den Shop zu locken.
  • Produktempfehlungen: Dies ist auch wieder ein Use-Case, der vor allem im E-Commerce stattfindet und darauf abzielt dem Kunden ein besonders passendes Produkt vorzuschlagen, basierend beispielsweise auf dessen Kaufhistorie, Suchverhalten oder anderen Kundeneigenschaften. Darüber hinaus werden solche Algorithmen auch bei Netflix oder Amazon Prime eingesetzt, um eine passende Serie oder Film zu recommenden.
  • Fraud Detection: Dabei handelt es sich um die automatisierte Erkennung von auffälligem Verhalten aller Art, die meistens auf einen Missbrauch des Systems hinweisen. Der berühmteste Anwendungsfall sind Bankkonten auf denen auffällige Abbuchungen oder Kreditkartentransaktionen stattfinden, die darauf hinweisen könnten, dass die Kreditkarte in falsche Hände geraten ist.

Zusammenfassung

Es gibt viele Machine Learning Use Cases, die uns im Alltag begegnen und die für Unternehmen gewinnbringend einsetzbar sind. Dieses Kapitel soll zeigen, wie ein Einstieg in einige dieser Use Cases gelingen kann und dass die Anfänge auch mit vergleichsweise wenig und einfachem Python Code gelingen können.

Cookie Consent mit Real Cookie Banner