Programmiersprachen, Pakete, IDEs: So steigen Entwickler in Machine Learning ein
Programme zum Maschinenlernen stellen andere Herausforderungen an Entwickler als die klassische Anwendungsentwicklung, denn hier lernt der Computer selbst. Wir geben eine Übersicht über die wichtigsten Entwicklerwerkzeuge – inklusive Programmierbeispielen.
Die Entwicklung von Machine-Learning-Programmen bei Data-Science-Projekten unterscheidet sich sehr von der klassischen Anwendungsentwicklung, weil man bei Machine Learning das Regelwerk nicht explizit programmiert. Vielmehr werden dem Computer Algorithmen und Daten gegeben, mit denen er selbstständig lernt und das Regelwerk aufbaut. Dafür kommen Programmiersprachen, Bibliotheken und integrierte Entwicklungsumgebungen zum Einsatz, die in der Anwendungsentwicklung eher unüblich sind.
Anwendungsentwickler verwenden in der Regel Programmiersprachen wie Java, C# und Visual Basic sowie bei Webanwendungen PHP oder Ruby. Die Wahl hängt von vielen Aspekten ab, etwa davon, welches Betriebssystem unterstützt werden soll, welche Sprachen im Team am besten beherrscht werden und welche Frameworks verfügbar sind. Hinzu kommen eigene Vorlieben. Bei Data-Science-Projekten sieht die Situation anders aus, wenn es darum geht, durch Einsatz von Machine-Learning-Algorithmen oder auch Methoden der klassischen Statistik Erkenntnisse und Wissen aus Daten zu erlangen.