Hauptmenü
  • Autor
    • Holzinger, Andreas
  • TitelInteractive Machine Learning (iML)
  • Datei
  • DOI10.1007/s00287-015-0941-6
  • Persistent Identifier
  • Erschienen inInformatik-Spektrum
  • Band39
  • Erscheinungsjahr2016
  • Heft1
  • Seiten64-68
  • LicenceCC-BY
  • ZugriffsrechteCC-BY
  • Download Statistik1718
  • Peer ReviewJa
  • AbstractWährend Machine Learning (ML) in vielen Domänen sehr gut funktioniert, wie die Leistung selbstfahrender Autos zeigt, bergen vollautomatisierte ML-Methoden in komplexen Domänen die Gefahr der Modellierung von Artefakten.<br/>Ein Beispiel für eine komplexe Domäne ist die Biomedizin, wo wir mit hochdimensionalen, probabilistischen und unvollständigen Datenmengen konfrontiert sind. In solchen Problemstellungen kann es vorteilhaft sein,<br/>nicht auf menschliches Domänenwissen zu verzichten, sondern vielmehr menschliche Intelligenz und ML zu kombinieren.