Semisupervised-Lernen ist ein Begriff aus den Bereichen K\u00fcnstliche Intelligenz, Big Data und Smart Data sowie Digitale Transformation. Diese Methode kommt immer dann ins Spiel, wenn Computer mit Daten trainiert werden, um beispielsweise Bilder zu erkennen oder Texte automatisch zu verstehen.<\/p>\n
Das Besondere beim Semisupervised-Lernen ist, dass der Computer nicht nur auf \u201egeleitete\u201c Daten, also Daten mit klaren Antworten, zugreifen kann, sondern auch auf viele Daten ohne Antworten. Das hei\u00dft: Ein kleiner Teil der Daten ist beschriftet (mit korrekten Ergebnissen), der gro\u00dfe Rest aber nicht. Der Vorteil: Dadurch kann K\u00fcnstliche Intelligenz auch dann lernen, wenn nicht f\u00fcr jedes Bild oder jede Information eine Antwort vorliegt.<\/p>\n
Stellen Sie sich vor, Sie wollen einem Computer beibringen, Katzen auf Fotos zu erkennen. Sie haben 100 Fotos, auf denen Sie wissen, ob eine Katze abgebildet ist oder nicht \u2013 und tausende weitere, bei denen Sie es nicht wissen. Semisupervised-Lernen sorgt daf\u00fcr, dass der Computer mit beiden Datenarten arbeiten kann. Das spart Zeit und Aufwand, denn das zeitintensive \u201eBeschriften\u201c der Daten ist nur zum Teil n\u00f6tig. <\/p>\n
Kurz gesagt: Semisupervised-Lernen macht k\u00fcnstliche Intelligenz oft effizienter und g\u00fcnstiger, besonders wenn viele unbeschriftete Daten vorhanden sind.<\/p>","protected":false},"excerpt":{"rendered":"