Maskinlæring

Computerspace · FGU · AI og fremtidsteknologi

🧠 Hvad er maskinlæring?

Maskinlæring (Machine Learning, ML) er en gren af AI, hvor computere lærer fra data i stedet for at blive eksplicit programmeret.

Tre hovedtyper:

Supervised learning (overvåget læring):

• Computeren lærer fra mærkede data (input + korrekt svar)
• Eksempel: 1000 billeder af katte og hunde med labels → computeren lærer at skelne
• Bruges til: Billedgenkendelse, spamfilter, prisforudsigelse

Unsupervised learning (uovervåget læring):

• Computeren finder selv mønstre i data (ingen labels)
• Eksempel: Gruppere kunder efter købsadfærd
• Bruges til: Kundesegmentering, anomali-detektion

Reinforcement learning (forstærkningslæring):

• Computeren lærer via belønning og straf
• Eksempel: AI der lærer at spille et spil ved at prøve sig frem
• Bruges til: Spil-AI, selvkørende biler, robotstyring

---

🎯 Hvorfor er det vigtigt?

• Grundlag for moderne AI – de fleste AI-systemer bruger maskinlæring
• Data er nøglen – forstå hvorfor data er så værdifuldt
• Karriere – ML-eksperter er meget efterspurgte

---

🔧 ML-processen

1. Indsaml data – jo mere og bedre data, jo bedre model

2. Forbered data – rens og strukturer data

3. Vælg model – vælg den rigtige algoritme

4. Træn modellen – lad computeren lære fra data

5. Evaluér – test om modellen er god nok

6. Anvend – brug modellen i praksis

---

🎓 Læringsmål for Maskinlæring

Læringsmål

• Forklare hvad maskinlæring er
• Kende de tre hovedtyper af maskinlæring
• Forstå hvad træningsdata er
• Beskrive ML-processen fra data til model
• Give eksempler på maskinlæring i praksis

Sådan kan du arbejde med emnet

• Hvad er forskellen på supervised og unsupervised learning?
• Hvordan lærer en computer fra data?
• Hvad er træningsdata?
• Hvor bruges maskinlæring i hverdagen?

⚠️ Typiske fejl at undgå

• Tror ML altid er rigtig – modeller kan have bias og fejl
• Glemmer datakvalitet – dårlig data giver dårlig model ("garbage in, garbage out")
• Forveksler ML med traditionel programmering – ML lærer, programmering instruerer

---

💡 Tips til at komme i gang

• Tænk i mønstre – ML handler om at finde mønstre i data
• Prøv Teachable Machine – Google-værktøj til at træne simpel ML i browseren
• Husk: Mere data er næsten altid bedre end mere komplicerede modeller