Stochastische Gradientenverfahren sind in den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Digitale Transformation beheimatet. Dieser Begriff beschreibt eine Methode, mit der Computer schnell und effizient aus großen Datenmengen lernen können.
Stellen Sie sich vor, ein Computer soll erkennen, ob auf einem Foto eine Katze oder ein Hund zu sehen ist. Damit der Computer dies lernt, muss er viele Beispiele analysieren und seine „Entscheidung“ Schritt für Schritt verbessern. Das stochastische Gradientenverfahren hilft dabei: Es nimmt nicht immer alle verfügbaren Daten auf einmal, sondern schaut sich zufällig ausgewählte Beispiele an. Dadurch spart der Computer viel Zeit und Rechenleistung.
Ein einfaches Beispiel: Denken Sie an eine große Kiste voller Briefe, die nach “wichtig” und “nicht wichtig” sortiert werden sollen. Statt alle Briefe auf einmal zu überprüfen, schaut ein Mitarbeiter immer nur ein paar zufällig herausgegriffene Briefe an, lernt daraus und passt seine Sortierweise an. Über viele Wiederholungen wird er immer besser, ohne jemals jeden einzelnen Brief sehen zu müssen.
In KI und Big Data macht das stochastische Gradientenverfahren es möglich, riesige Datensätze schnell zu verarbeiten und daraus Schlüsse zu ziehen.
Deutsch 
English (UK)