Machine Learning. Welche Potenziale und Hürden hat es?

Thèse de Bachelor , 2021 , 57 Pages , Note: 1,7

Ingénierie - Génie Industriel

Der Autor macht sich mit dieser Arbeit zur Aufgabe, dem Leser einen klaren Überblick über die Grundprinzipien von Machine Learning zu verschaffen. Der Fokus hierbei liegt bei den Potenzialen und Hürden von Machine Learning. Vorerst werden Grundbegriffe, die im Machine Learning häufig wiederzufinden sind, und die für das weitere Verständnis essenziell sind, genauer erläutert.

Machine Learning wird unterteilt in verschiedene Arten des Lernens sowie Lernmodelle und anhand dieser Arten werden die Potenziale vorgestellt und analysiert. Ebenso werden vorhandene Hürden vorab vorgestellt, analysiert und bewertet. Der Einfluss von Machine Learning Anwendungen bzw. Technologien auf die Unternehmen wird mit Hilfe einer Marktanalyse durchleuchtet und angesichts dieser Erkenntnisse wird eine Prognose abgegeben.

Zuerst werden dem Leser einige Begriffe erklärt, die mit der Thematik zu tun haben. Anschließend im nächsten Kapitel, wird dem Leser der Begriff "Machine Learning" genauer erläutert, damit man einen Grundbaustein für das Verständnis der weiteren Themen hat. Des Weiteren werden dem Leser mehrere Arten von ML vorgestellt und anschließend auch einige Modelle, die beim Machine Learning aktuell Anwendung finden bzw. auch in der Vergangenheit bereits genutzt wurden. Bei den Potenzialen wird hauptsächlich auf Deep Learning eingegangen, da diese Technologie die größte Aufmerksamkeit im Machine Learning auf sich zieht. Dabei haben die Begriffe Deep Learning im allgemeinen, Transfer-Lernen, One-Shot-Lernen je eine besondere Bedeutung. Im anschließenden Kapitel werden die Hürden vorgestellt, hierzu gibt es sowohl technische, gesellschaftliche als auch ethische Hürden. Auch diese Hürden wurden auf ihre Überwindbarkeit bewertet. Das letzte Kapitel ist die Marktanalyse von ML-Anwendungen, ob und inwieweit sich dieser Markt entwickeln wird und was dies für die Unternehmen bedeutet. Zum Schluss werden die Ergebnisse der Arbeit analysiert und die Forschungsfrage wird daraufhin beantwortet.

Inhaltsverzeichnis

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichni

Abstract

1 Einleitung
1.1 Forschungsfrage und Hypothese
1.2 Vorgehensweise und Struktur
1.3 Einführung in die Thematik – Begriffsdefinitionen
1.4 Big Data
1.5 Labeled – Unlabeled Data
1.6 Neuronale Netze

2 Machine Learning
2.1 Was ist Machine Learning? - Definition
2.2 - Wie funktioniert Machine Learning?
2.3 Arten von Maschine Learning
2.3.1 Überwachtes Lernen (Supervised Learning)
2.3.2 Unüberwachtes Lernen (Unsupervised Learning)
2.3.3 Teilüberwachtes Lernen (Semi-Supervised Learning)
2.3.4 Bestärktes Lernen (Reinforcement Learning)
2.4 Modelltypen - Klassifizierungsarten beim Machine Learning
2.4.1 Lineare Klassifikation
2.4.2 Lineare Regression
2.4.3 Support Vector Machines (SVM)
2.4.4 Decision Trees
2.4.5 Multi-Layer Perceptrons
2.4.6 Clustering – k-means Clustering:
2.4.7 Künstliches Neuronales Netzwerk

3 Potenziale
3.1 Effizientere Auswertung von visuellen Daten
3.1.1 Deep Learning
3.2 Echtzeitauswertung
3.2.1 Online-Lernen
3.3 Anpassungsfähigkeit und Flexibilität beim ML
3.3.1 Transfer Lernen
3.4 Machine Learning mit wenig Daten
3.4.1 One-Shot-Lernen
3.5 Bewertung der Potenziale

4 Hürden
4.1 Technische Hürden
4.1.1 Qualität der Daten
4.1.2 Mangelnde Fachkräfte
4.1.3 Hackerangriffe
4.2 Rechtliche Hürden
4.2.1 Datenschutz
4.2.2 Haftung
4.3 Gesellschaftliche Hürden
4.3.2 Akzeptanz und Nachvollziehbarkeit
4.4 Bewertung der Hürden

5 Marktanalyse
5.1 Marktgröße
5.2 Marktwachstum & Marktdynamik
5.3 Marktpotenzial
6 Fazit und Ausblick
6.1 Beantwortung der Forschungsfrage mithilfe der bisherigen Erkenntnisse
6.2 Überprüfung der Forschungshypothese mit den bisherigen Erkenntnissen
6.3 Ausblick

7 Literaturverzeichnis

• Université: Albstadt-Sigmaringen University
• Note: 1,7
• Auteur: Mecit Akcay (Auteur)
• Année de publication: 2021
• Pages: 57
• N° de catalogue: V1012818
• ISBN (ebook): 9783346405432
• ISBN (Livre): 9783346405449
• Langue: allemand
• mots-clé: Machine Learning, Big Data, Maschinelles Lernen, Deep Learning