Machine Learning (Maschinelles Lernen) ist ein Teilbereich von Artificial Intelligence (künstliche Intelligenz) und einzuordnen unter dem Gebiet der Datenwissenschaft. Grob gesagt geht es dabei um die Generierung von künstlichem Wissen aus der Erfahrung einer Maschine oder eines Systems. Auf Basis vorhandener Datenbestände und Algorithmen sollen IT-Systeme Muster und Gesetzmäßigkeiten erkennen und passende Lösungen eigenständig entwickeln.
Aus dem Fahrverhalten eines Autofahrers lässt sich erkennen, wann er dazu tendiert sein Fahrzeug zu tanken. Manche Leute tanken, wenn das Fahrzeug leer ist – andere Kunden tanken bereits wieder voll, wenn die Tankuhr auf “½”steht. Man kann also ein individuelles Tankprofil errechnen und dem Autofahrer mittels Display bereits eine günstige Tankstelle in der Nähe vorschlagen und so beim Sparen helfen. Langfristig wäre es auch denkbar lokale Business Partner zu finden und beispielsweise deren Sonderangebote den Endkunden zu präsentieren. So können Vorschläge für günstige Tankstellen oder auch Restaurants auf der Route zum Revenue Stream gemacht werden.
Um das typische Fernsehverhalten einer Familie in der Tiefe zu analysieren, können moderne Technologien wie Machine Learning eingesetzt werden. Es wird hier zum Beispiel ein Device im Fernsehgerät implementiert, welches mittels Eye Tracking erkennt, ob und wie viele der Konsumenten auch wirklich aktiv zusehen und mittels Soundaufnahmen den Sender bestimmen kann. Aus diesen gesammelten Daten können Muster analysiert und prediktiv zur individuellen Werbeaustrahlung genutzt werden. Wenn also ohnehin nur die 10 Jahre alte Tochter aufmerksam zusieht, wozu dann eine Putzmittelwerbung austrahlen? Viel effektiver wäre in diesem Fall eine Werbung, die auf diese jüngere Zielgruppe abzielt, oder nicht?
Bei einer Datengenerierung wie beispielsweise oben beschrieben, werden massenhaft Daten gesammelt. Oftmals werden diese Unmengen an Daten einfach nur in eine Matrix “geworfen” und hinterher benötigt man nicht nur viel Zeit, sondern auch ein gutes Gedächtnis, um diese Daten dann für den Machine-Learning-Prozess vorzubereiten und zu präparieren. Warum die Daten also nicht gleich in PostgreSQL vorbereiten? Das spart Zeit und Geld, ist wesentlich flexibler und auch einfacher in der Umsetzung.
Wie Sie Ihre PostgreSQL Datenbank für Maschinelles Learnen vorbereiten können, lesen Sie in diesem Blogpost.
Erfahren Sie mehr darüber, wie Sie den Kmeans Algorithmus direkt in Ihrer PostgreSQL Datenbank ausführen können.
Reinforcement Learning: Lesen Sie in diesem Blogpost mehr über die Funktionsweise von RL Algorithmen.
Wussten Sie, dass Sie maschinelles Lernen in einer PostgreSQL Datenbank einsetzen können, um kostengünstig Back-Ups zu erstellen? In unserem kostenlosen Whitepaper “Using Machine learning to back up data in a cost-effective way” erfahren Sie mehr darüber!
Falls Sie sich tiefergehend für diese Thematik interessieren, können Sie sich für unseren fünf tägigen Anfänger Kurs “Einführung in Machine Learning” anmelden. In diesem Kurs lernen Sie, wie Sie Machine Learning Probleme in Python realisieren, lösen und implementieren können.
Kontaktieren Sie uns noch heute und erfahren Sie, wie CYBERTEC Sie bei der Umsetzung von Data Science auf PostgreSQL-Basis unterstützen kann. Wir bieten eine zeitnahe Lieferung, professionelle Arbeit und 20 Jahre PostgreSQL Erfahrung.
+43 (0) 2622 93022-0
office@cybertec.at