Äpfel mit Birnen vergleichen – Wie Daten benachbarter Domänen bei ML helfen

EMUGE-FRANKEN stellt unterschiedlichste Zerspanungswerkzeuge her und nutzt die dabei anfallenden Daten für Machine-Learning. Entsprechende Projekte wurden bei Produktgruppen mit großen, tabellarischen Datensätzen bereits erfolgreich umgesetzt.
Doch was ist bei Produktgruppen mit wenigen Daten möglich?
Können wir die wenigen Daten mit Daten aus anderen Produktgruppen ergänzen um ein Training zu ermöglichen?
Wie unterschiedlich darf die andere Produktgruppe sein?
Und wie setze ich meine wenigen Daten aus der Ziel-Produktgruppe am geschicktesten ein?
Wir geben anhand eines realen (leicht verfremdeten) Projekts Einblicke, wie wir diese Fragen bei uns in der Praxis beantwortet haben.

Vorkenntnisse

Grundlagen des Maschinellen Lernen wie Trainingsprozess und die Unterschiede zwischen Trainings- Validierungs- und Testdaten

Lernziele

• Die Teilnehmer lernen verschiedene pragmatische Strategien kennen, wie kleine Datensätze mit ähnlichen Daten kombiniert werden können, um bessere Ergebnisse zu erzielen.
  
• Sie erhalten einen Überblick über Vorgehensweisen, wenn Features aus dem einen Datensatz auf die Domäne des anderen Datensatzes nicht übertragbar sind.