Data Mining
Im Bereich Data Mining geht es um die explorative Datenanalyse. Wir setzen dazu statistische Methoden ein, um wertvolle Erkenntnisse aus den Daten zu gewinnen. Dafür nutzen wir die klassische und bayessche Statistik.
Klassische Statistik
Hierbei handelt es sich um eine quantitative Datenauswertung. Es wird das Eintreten einer Größe, unter bestimmten Bedingungen analysiert, wie z. B. die durchschnittliche Höhe des Umsatzes. Damit überprüfen wir unsere Theorien innerhalb der A/B-Tests auf Zufall oder Muster.
Bayessche Statistik
Hier wird die Wahrscheinlichkeit zwischen zwei Elementen berechnet wie z. B. die Wahrscheinlichkeit, dass es regnet, wenn eine schwarze Wolke auftritt (Berechnung von Verbundwahrscheinlichkeiten). Anders gesagt, wenn jemand Produkt A kauft, wie wahrscheinlich ist es, dass derjenige Produkt B kauft? Damit überprüfen wir unsere Theorien innerhalb der A/B-Tests auf Zufall oder Muster.
Machine Learning
Im Bereich Machine Learning ist die künstliche Intelligenz zu Hause. Methoden und Techniken aus Supervised und Reinforcement Learning werden genutzt, um die KI-Engine selbstständig lernen zu lassen.
Supervised Learning
Hier wird eine Eingangsgröße und eine Zielgröße definiert. Der Algorithmus muss von der Eingangsgröße zur Zielgröße gelangen. Hierzu erhält er Beispiele, um zu lernen, wie er diese Vorgabe erreicht.
Reinforcement Learning
Learning by doing mit anschließender Anpassung, basierend auf dem Ergebnis. So lernt der Algorithmus, was am besten funktioniert.
