Wie das Trendskout AutoML-Tool das beste Modell findet
1. Algorithmen
Es gibt viele Algorithmen für KI, maschinelles Lernen und Deep Learning. Beispiele sind unter anderem neuronale Netze, Gradientenverfahren, Support Vector Machines. Die Möglichkeiten sind vielseitig, was die Auswahl des richtigen Algorithmus für ein bestimmtes Geschäftsszenario noch weiter erschwert. Jede Art von Algorithmus – man denke nur an neuronale Netze – hat zahlreiche Untertypen, und damit wird die Auswahl noch komplexer und zeitaufwändiger.
Trendskout bewertet jeden Algorithmus und wählt dann denjenigen aus, der für die gewählte Anwendung und den Datensatz am besten geeignet ist.
2. Daten
Es reicht nicht aus, den besten Algorithmus zu finden. Ein Algorithmus muss auch über die richtigen Daten verfügen, um sich selbst zu trainieren, Vorhersagen zu treffen oder Zusammenhänge zu erkennen. Das Datenformat ist sehr wichtig: Es müssen nämlich mehrere Datenoperationen durchgeführt werden, bevor der Algorithmus mit der Verarbeitung und Interpretation der Daten beginnen kann. Auch hier gibt es nahezu unendlich viele Möglichkeiten: z. B. Zusammenführen verschiedener Datenquellen, Transformieren, Generieren von Ableitungen und Variationen oder Denormalisieren.