Der globale Kompetenz- und Kompetenzrahmen für eine digitale Welt

Maschinelles Lernen MLNG

Das Entwickeln von Systemen, die anhand von Erfahrungen und durch Nutzung von Daten lernen.

Leitfaden

Zu den Aktivitäten gehören unter anderem:

  • Das Beurteilen von trainierten Modellen im Hinblick auf ihre Leistung, Robustheit und Fehler
  • Das Auswählen und Nutzen von Parametern zur Untersuchung von Ergebnissen
  • Das Diagnostizieren und Lösen von Problemen vor und nach der Bereitstellung
  • Das Antizipieren der Auswirkungen der Modelle für das maschinelle Lernen auf das Unternehmen im Hinblick auf Ethik, Fehler, Privatsphäre und Datenschutz
  • Das Etablieren einer Nachverfolgbarkeit für die Ergebnisse der Systeme für das maschinelle Lernen

Ebenen

Definiert auf diesen Ebenen: 2 3 4 5 6

Maschinelles Lernen: Ebene 1

Diese Fähigkeit wird typischerweise nicht beobachtet, wenn man auf dieser Verantwortungsebene arbeitet.

Maschinelles Lernen: Ebene 2

Wendet unter der Aufsicht technischer Vorgesetzter vorgegebene Techniken für das maschinelle Lernen auf Daten an. Analysiert und erstellt Berichte über Erkenntnisse und korrigiert einfache Probleme anhand von Algorithmen, die in standardmäßige Softwarerahmenwerke und ‑tools implementiert wurden.

Maschinelles Lernen: Ebene 3

Wendet bestehende Techniken für das maschinelle Lernen auf neue Probleme und Datenbestände an. Beurteilt die Ergebnisse und die Leistung von Systemen für das maschinelle Lernen. Identifiziert Probleme und empfiehlt Verbesserungen von Systemen für das maschinelle Lernen sowie die von ihnen verwendeten Daten.

Maschinelles Lernen: Ebene 4

Bewertet anhand eines gut beschriebenen Problems und Datenbestandes, ob das maschinelle Lernen eine effektive Lösung liefern kann. Implementiert Algorithmen, die von anderen entwickelt wurden. Berät über die Effektivität bestimmter Techniken basierend auf Projekterkenntnissen und breiterer Recherche. Trägt zur Entwicklung, Beurteilung, Überwachung und Bereitstellung von Systemen für das maschinelle Lernen bei. Versteht branchenspezifische Regeln und Richtlinien, wendet sie an und antizipiert Risiken und andere Auswirkungen der Modellerstellung.

Maschinelles Lernen: Ebene 5

Entwirft, implementiert, testet und verbessert Architekturen und Systeme für das maschinelle Lernen. Wählt Techniken basierend auf fundierten Kenntnissen um die Stärken und Schwächen sowie die erwartete Leistung unterschiedlicher Ansätze aus. Etabliert gute Praktiken in der Entwicklung, Beurteilung, Überwachung und Bereitstellung von Systemen für das maschinelle Lernen.

Maschinelles Lernen: Ebene 6

Leitet die Entwicklung neuer Ansätze und Fähigkeiten des Unternehmens zum Entwerfen, Trainieren und Beurteilen von Systemen für das maschinelle Lernen. Legt Standards und Richtlinien für die Anwendung und Nachverfolgbarkeit von Systemen für das maschinelle Lernen auf Geschäftsprobleme fest und überwacht ihre Implementierung. Entwirft und überwacht Richtlinien des Unternehmens im Hinblick auf das Erstellen, Trainieren und Nutzen von Systemen für das maschinelle Lernen.

Maschinelles Lernen: Ebene 7

Diese Fähigkeit wird typischerweise nicht beobachtet, wenn man auf dieser Verantwortungsebene arbeitet.