Statistische Auswertung: Manipulieren nach Zahlen

„Politicians use statistics in the same way that a drunk uses lamp-posts—for support rather than illumination.“ (Andrew Lang, schottischer Schriftsteller)

Im Dezember 2016 macht eine Studie namens Perils of Perception die Runde, in der die Diskrepanz zwischen Wahrnehmung und Realität zur Geltung kommt. In zwölf Ländern wurden von IPSOS MORI Menschen befragt, wie hoch sie den muslimischen Anteil der Menschen innerhalb der eigenen Bevölkerung schätzen. In allen Ländern wurde dieser Anteil ausnahmslos viel zu hoch eingeschätzt.

Dabei verschätzten sich die Menschen teilweise um den Faktor Vier: Beispielsweise denken die Franzosen, dass 32 % ihrer eigenen Bevölkerung islamischen Glaubens sind, tatsächlich sind es etwa 8 %. Teilweise verschätzen sich die Menschen sogar um den Faktor 17: So denken US-Amerikaner, dass 17 % der Bevölkerung Moslems sind, tatsächlich sind es nur 1 %. Aber die Darstellung der Ergebnisse ist problematisch. „Statistische Auswertung: Manipulieren nach Zahlen“ weiterlesen

Wozu braucht man Machine Learning?

Viele Herausforderungen sind zu komplex, um sie im Detail im Vorhinein zu programmieren. Menschen und Tiere vollbringen im Alltag Hunderte von Taten, ohne über diese nachzudenken: Gegenstände in ihrer Gänze erkennen, Sprache verstehen, Gefühle interpretieren und vieles mehr. Versucht man, diese so alltäglichen Tätigkeiten von einem Computer erledigen zu lassen, so stößt man mit dem herkömmlichen Ansatz, alle erdenklichen Situationen im Vorhinein zu bedenken und beispielsweise in einer Datenbank zu speichern, an eine nicht zu überwindende Grenze. Denkt man aber etwa an selbstfahrende Autos, so wird recht schnell klar, dass es unmöglich ist, jede Begebenheit unter allen erdenklichen Umständen an jedem Ort der Welt zu jeder Zeit vorauszudenken und dafür eine Lösung zu programmieren, so dass der Bord-Computer des Wagens im Eintreffen eines bestimmten Falles diesen identifizieren und aus der Datenbank abrufen kann. „Wozu braucht man Machine Learning?“ weiterlesen

Der allererste Erfolg beim Machine Learning mit Python

Nichts ist motivierender als ein allererster schneller Erfolg beim Erlernen einer neuen Sache und so ist es auch beim Machine Learning. Sind alle Voraussetzungen zum Start mit dem Erlernen von Machine Learning gegeben, können wir an einem ersten, einfachen Beispiel erfahren, was die Grundprinzipien des maschinellen Lernens sind. „Der allererste Erfolg beim Machine Learning mit Python“ weiterlesen

Amazon Machine Learning für alle auf der AWS re:Invent 2016

Auf der AWS re:Invent 2016 hat Amazon verschiedene Machine-Learning-Services der Öffentlichkeit vorgestellt. Insbesondere drei bisher interne Werkzeuge sollen die Phantasie der Entwicklergemeinde wecken: Rekognition, Polly und Lex. „Amazon Machine Learning für alle auf der AWS re:Invent 2016“ weiterlesen