Workshop zum Einsatz von Maschinellem Lernen in Kassel durchgeführt

Ein wichtiger Bestandteil von ProData ist es die Datenkompetenzen beim domänenbezogenen Partner IfW zu fördern. Dazu fand im Juli 2023 ein gemeinsamer Workshop in Kassel statt, der sich den „Grundlagen des Maschinellen Lernens“ widmete.

Was ist Maschinelles Lernen?

Maschinelles Lernen (ML) ist eine Form der künstlichen Intelligenz, die es Computern ermöglicht, aus Erfahrungen zu lernen und sich auf Basis von Daten ohne explizite Programmierung zu verbessern. Es hat transformative Auswirkungen auf viele Branchen, von der Medizin über Finanzen bis hin zur Energie. Die Grundlagen dieses Feldes zu verstehen, ist entscheidend für die Navigation in der heutigen datengesteuerten Welt.

Grundlagen des Maschinellen Lernens

Die moderne Datenanalytik sitzt an der Schnittstelle von Informatik, Statistik und spezifischem Domänenwissen. Diese interdisziplinäre Natur ermöglicht es Analysten, komplexe Daten zu interpretieren und zu nutzen, um präzise Entscheidungen in Echtzeit zu treffen. Kenntnisse in diesen Bereichen sind unerlässlich, um die volle Leistungsfähigkeit von Technologien wie KI und maschinellem Lernen zu entfalten.

Im Workshop wurden zentrale Begriffe wie künstliche Intelligenz (KI), maschinelles Lernen (ML), neuronale Netze und Deep Learning behandelt:

• Künstliche Intelligenz ist ein breites Feld der Informatik, das darauf abzielt, Maschinen zu schaffen, die menschenähnliche Aufgaben ausführen können.
• Maschinelles Lernen ist ein Unterbereich der KI, der Algorithmen verwendet, um Muster in Daten zu identifizieren und daraus zu lernen.
• Neuronale Netze sind ML-Modelle, die von der Funktionsweise des menschlichen Gehirns inspiriert sind und komplexe Muster und Beziehungen in Daten erkennen können.
• Deep Learning ist eine spezielle Kategorie neuronaler Netze, die tiefe Schichten von Neuronen benutzen, um sehr komplexe Muster in großen Datensätzen zu erkennen.

Eine wichtige Säule des Workshops war die Einführung in den CRISP-DM-Prozess:

Cross-Industry Standard Process for Data Mining

Chapman et al. 1999

Dieses Modell bietet einen strukturierten Ansatz für Data-Mining-Projekte und umfasst Phasen wie Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment. Die Teilnehmer lernten, wie sie diesen Prozess nutzen können, um ihre Datenanalyseprojekte systematisch und effektiv zu gestalten.

Nutzung der Datenanalysesoftware RapidMiner

Nach den theoretischen Grundlagen behandelte der Workshop die praktische Anwendung dieser Konzepte. Dafür wurde die einsteigerfreundliche Datenanalysesoftware RapidMiner vorgestellt. Dadurch konnte nicht nur die Theorie von Maschinellem Lernen veranschaulicht werden, sondern den Teilnehmern auch direkt ein Verständnis für die Datenanalyse und das maschinelle Lernen vermittelt werden. Aufgrund der Drag-and-Drop-basierten Bedienung eignet sich RapidMiner besonders für Anfänger, da hier keine vorherige Hürde durch das Erlernen einer Programmiersprache besteht.

RapidMiner ist eine führende Plattform für Datenanalyse, die für ihre Benutzerfreundlichkeit und leistungsfähigen Analysefunktionen bekannt ist. Diese Software wird in einer Vielzahl von Branchen eingesetzt und hilft Unternehmen sowie Forschern, wertvolle Einsichten aus ihren Daten zu gewinnen. Durch ihre intuitive Benutzeroberfläche und die breite Palette an verfügbaren Funktionen macht RapidMiner es auch Anfängern leicht, komplexe Datenanalyseprojekte zu bewältigen.

In dem praktischen Teil des Workshops lernten die Teilnehmer dann, wie man mit RapidMiner Daten importiert, vorverarbeitet und analytische Modelle erstellt. Sie wurden schrittweise durch den Prozess geführt, von der ersten Datenaufbereitung bis zur Entwicklung und Validierung von Modellen, was sie in die Lage versetzte, sofortige und relevante Anwendungen ihrer neuen Fähigkeiten zu sehen.

Ein besonderer Fokus lag in diesem Workshop auf überwachten Lernverfahren, einer Kernkomponente des maschinellen Lernens. Die Teilnehmer nutzten RapidMiner, um eigene Modelle zu trainieren, die auf vorher definierten Daten basierten. Sie experimentierten mit verschiedenen Algorithmen und Techniken, um die beste Lösung für ein gegebenes Problem zu finden. Diese praktische Erfahrung war entscheidend, um die theoretischen Konzepte, die zuvor besprochen wurden, zu festigen und zu vertiefen.

Teilnehmerfeedback und Ausblick auf die nächsten Maßnahmen

Das Feedback der Teilnehmer war durchweg positiv, viele äußerten sich beeindruckt von einfachen und schnellen Möglichkeit durch RapidMiner Erkenntnisse über auch größere Datenmengen zu gewinnen. Die praktische Erfahrung mit RapidMiner wurde besonders geschätzt, da sie es den Teilnehmern ermöglichte, konkrete Fähigkeiten zu entwickeln, die direkt in ihren Arbeitsalltag integriert werden können.

Inspiriert durch den Erfolg dieses Workshops planen wir weitere Veranstaltungen, die sich sowohl mit den Grundlagen als auch mit fortgeschrittenen Techniken des maschinellen Lernens beschäftigen werden. Da die Teilnehmenden an diesem Workshop die Kernzielgruppe der folgenden Schulungsmaßnahmen bilden, folgen wir ihrem Wunsch und vertiefen in einem weiteren Workshop zunächst die Arbeiten mit RapidMiner. Nach Möglichkeit soll dieser Folgeworkshop im Herbst 2023 in Kassel stattfinden.

Unser Ziel ist es, eine robuste Gemeinschaft von gut informierten und technisch versierten ML-Anwendern beim IfW zu fördern, die bereit sind, die Herausforderungen einer datengesteuerten Zukunft zu meistern.