Machine Learning

Machine Learning

Mit der Hilfe von intoData werden dem Machine Learning zugrundeliegenden Trainings- und Testdaten analysierbar. Das ermöglicht schnelle Entwicklungen von Modellen, bei denen die Qualität nachvollziehbar ist und Sonderfälle leicht erkannt werden.

Zusätzlich hilft intoData auch bei der Vorbereitung der Daten und ermöglicht Einblicke in bereits auf Produktivsystem laufenden Machine Learning Modellen.

Hier mehr dazu!

Vorbereiten

IntoData hilft beim Vorbereiten, Analysieren und Auswählen der Grunddaten, die für eine Machine Learning Anwendung in Frage kommen. Dazu werden folgende Schritte durchgeführt:

  • Datencheck für vorhandene Daten (wie bei Beispiel Kundendaten)
  • Datenbasierte Ziel- und Anforderungsdefinition
  • Erstellung einer Umsetzungsempfehlung

Balancieren

Damit ein Modell möglichst diverse Fälle mit ausreichender Qualität verarbeiten kann, muss eine korrekte Aufteilung der Daten in Test- und Trainingsdaten erfolgen. Zusätzlich sollte – je nach Anwendungsfall – eine günstige Verteilung der Daten vorliegen. IntoData kann dabei helfen:

  • Analyse der Datenverteilung
    • Abdeckung der gewünschten Fälle
    • Erkennen von „blind-spots“
  • Erstellung von künstlich erzeugten Daten (bei Bedarf)
  • Aussagekräftige Aufteilung der Trainings-/Test-/Validierungsdaten

Training & Validierung

Um die bestmögliche Modellqualität zu erreichen muss durch Fine-Tuning und kontinuierlicher Performance-Messung das Modell überwacht werden. IntoData ermöglicht dabei:

  • Detailanalyse im Hyperparameter-Tuning
  • Wiederholte und vergleichbare Performance-Messung aller erstellten Modelle
  • Transparentes Reporting
    • Qualitätsaussagen basierend auf den Testdaten
    • Erkennen von Spezial- und Sonderfällen

    Deployment & Rollout

    Zusätzlich zu einer Integration in vorhandene Systeme ist auch die Qualitätskontrolle im laufendem Betrieb. Dafür werden laufend Daten in intoData analysiert, die eine Aussage über die Qualität des eingesetzten Modells ermöglicht.

    Referenzen

    IntoData im Zusammenhang mit Machine Learning wurde spezifisch im Rahmen eines Wissenschaftliches Projekt in Zusammenarbeit mit Ärzten des AKH-Wiens verwendet. Das Thema dabei war die Erkennung der Intraocular Lens Rotation – also der Rotation der eingesetzten künstlichen Linsen nach einer Katarakt Operation.