Maschinelles Lernen
Maschinelles Lernen ist ein Oberbegriff für die "künstliche" Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt, sondern Muster und Gesetzmäßigkeiten in den Lerndaten erkannt. So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern ("overfitting"). Maschine-Learning-Algorithmen kommen etwa bei der Spracherkennung auf Mobiltelefonen zum Einsatz oder bei Spam-Filtern.
Die praktische Umsetzung erfolgt mit Hilfe von Algorithmen. Verschiedene Algorithmen aus dem Bereich des maschinellen Lernens lassen sich grundsätzlich in zwei Gruppen einteilen: Überwachtes Lernen (englisch supervised learning) und unüberwachtes Lernen (englisch unsupervised learning).
