Rückblick: Vom klassischen ML zum Deep Learning

FOM Hochschule für Oekonomie & Management
Im ersten Teil dieser Artikelserie stand der Einstieg in die Künstliche Intelligenz über klassische Machine-Learning-Verfahren im Fokus. Entscheidungsbäume, Random Forests oder ähnliche Modelle bieten mittelständischen Unternehmen einen pragmatischen Zugang zu datengetriebener Optimierung. Sie sind transparent, vergleichsweise leicht zu implementieren und liefern robuste Ergebnisse – solange sich das Problem klar strukturieren lässt. Doch nicht jede industrielle Fragestellung lässt sich mit festen Regeln oder wenigen Entscheidungsdimensionen abbilden. Spätestens dann, wenn visuelle Informationen ins Spiel kommen oder kontinuierliche Zielgrößen vorhergesagt werden müssen, stoßen klassische ML-Ansätze an ihre Grenzen. An dieser Stelle beginnt die nächste Schicht der KI-Zwiebel: Deep Learning. Weiterlesen








