Besseres Machine Learning mit Domain-driven Design
Nach der Identifizierung der Anwendungsfälle für ML und KI kann man auch mit agilen Methoden im KI-Kontext ein gemeinsames Verständnis für Produkte entwickeln.
- Larysa Visengeriyeva
ML und KI sind keine neuen Methoden, erleben jedoch derzeit einen Durchbruch. Zwei Gründe sind dafür verantwortlich. Einerseits wächst die Menge an Daten, die man permanent erzeugt, sammelt und persistiert, exponentiell. Andererseits haben die Entwicklung leistungsfähiger Cloud-Techniken und zunehmende Rechenleistung das Trainieren statistischer Modelle und die Vorhersage performanter gemacht.
Viele Firmen versuchen, ihre Wettbewerbsfähigkeit zu steigern, indem sie Techniken aus diesem Umfeld einführen. Einige der größten Unternehmen der Welt haben ihr Kerngeschäft auf der Anwendung von ML und KI für einfache Fragen aufgebaut, beispielsweise:
- Welche Webseite soll man auf der Grundlage einer kurzen Anfrage anzeigen?
- Welche Anzeige sollte in einem bestimmten Kontext erscheinen?
- Welches Produkt sollte dieser Käufer sehen?
- Welcher Film wĂĽrde diesem Benutzer gerade jetzt gefallen?
- Welche Programme sollte man vor der AusfĂĽhrung blockieren, um eine Maschine sicher zu machen?
- Was ist das fĂĽr ein Objekt auf dem Bild?
Der Einsatz von ML-Methoden hat Unternehmen im Wert von mehreren Milliarden hervorgebracht. Laut diverser Prognosen könnten Unternehmen, die KI integrieren, ihren Umsatz bis 2030 verdoppeln.
Das war die Leseprobe unseres heise-Plus-Artikels "Besseres Machine Learning mit Domain-driven Design". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.
