AI Glossary

Definition: Ein Schritt-für-Schritt-Verfahren zur Lösung eines Problems oder zur Durchführung einer Aufgabe.
Beispiel: Der k-means-Cluster-Algorithmus teilt Datenpunkte basierend auf ihren Merkmalen in unterschiedliche Gruppen ein.

Definition: The simulation of human intelligence by machines.
Definition: Die Simulation menschlicher Intelligenz durch Maschinen.
Beispiel: Virtuelle Assistenten wie Siri und Alexa nutzen KI, um auf Benutzerbefehle zu reagieren.

Definition: Ein Algorithmus zum Trainieren neuronaler Netzwerke durch Anpassung der Gewichte basierend auf Fehlerquoten.
Beispiel: Rückpropagation wird verwendet, um die Genauigkeit von Bildkennungssystemen zu verbessern.

Definition: Extrem große Datensätze, die analysiert werden können, um Muster und Trends zu erkennen.
Beispiel: Soziale Medien analysieren Big Data, um das Verhalten der Benutzer zu verstehen.

Definition: Ein Programm, das entworfen wurde, um Gespräche mit menschlichen Benutzern zu simulieren.
Beispiel: Kundenservice-Chatbots auf Websites helfen Benutzern bei ihren Anfragen.

Definition: Eine maschinelle Lernaufgabe, bei der Daten in vordefinierte Klassen kategorisiert werden.
Beispiel: E-Mail-Spamfilter klassifizieren E-Mails als "Spam" oder "Nicht-Spam".

Definition: Der Prozess der Gruppierung einer Menge von Objekten in Cluster basierend auf ihrer Ähnlichkeit.
Beispiel: Clustering-Algorithmen können Kunden basierend auf ihrem Kaufverhalten segmentieren.

Definition: Der Prozess der Entdeckung von Mustern und Wissen aus großen Datenmengen.
Beispiel: Einzelhandelsunternehmen nutzen Data Mining, um Kaufmuster zu finden und den Umsatz zu steigern.

Definition: Der Prozess der Bereinigung und Vorbereitung von Rohdaten für die Analyse.
Beispiel: Entfernen von Duplikaten und Auffüllen fehlender Werte in einem Datensatz.

Definition: Ein Teilgebiet des maschinellen Lernens, das neuronale Netzwerke mit vielen Schichten umfasst.
Beispiel: Deep-Learning-Modelle werden in der Bild- und Spracherkennung eingesetzt.

Definition: Ein baumartiges Modell, das verwendet wird, um Entscheidungen basierend auf Eingabemerkmalen zu treffen.
Beispiel: Entscheidungsbäume helfen bei der Diagnose von Krankheiten basierend auf Symptomen.

Definition: Der Prozess der Nutzung von Domänenwissen zur Erstellung neuer Eingabemerkmale für ein maschinelles Lernmodell.
Beispiel: Erstellung neuer Merkmale aus bestehenden Daten zur Verbesserung der Modellleistung.

Definition: Der Prozess der Umwandlung von Rohdaten in numerische Merkmale, die verarbeitet werden können, wobei die Informationen in den ursprünglichen Daten erhalten bleiben.
Beispiel: Extrahieren von Kanten und Formen aus Bildern für Computer Vision-Aufgaben.

Definition: Eine Optimierungstechnik basierend auf den Prinzipien der natürlichen Selektion und Genetik.
Beispiel: Genetische Algorithmen können komplexe Probleme wie Zeitplanung und Design optimieren.

Definition: Externe Parameter eines Modells, die vor dem Training festgelegt werden.
Beispiel: Lernrate und Anzahl der Epochen in einem neuronalen Netzwerk.

Definition: Ein Bereich der KI, der sich auf den Aufbau von Systemen konzentriert, die aus Daten lernen und Entscheidungen treffen.
Beispiel: Empfehlungssysteme auf Streaming-Plattformen verwenden maschinelles Lernen, um Inhalte vorzuschlagen.

Definition: Der Prozess des Lehrens eines maschinellen Lernmodells, basierend auf Daten Vorhersagen oder Entscheidungen zu treffen.
Beispiel: Training eines Modells zur Vorhersage von Immobilienpreisen basierend auf historischen Daten.

Definition: Der Bereich der KI, der sich auf die Interaktion zwischen Computern und Menschen unter Verwendung natürlicher Sprache konzentriert.
Beispiel: Stimmungsanalyse von Social Media-Beiträgen.

Definition: Ein rechnerisches Modell, das vom menschlichen Gehirn inspiriert ist und aus miteinander verbundenen Knoten (Neuronen) besteht.
Beispiel: Konvolutionale neuronale Netzwerke werden für Aufgaben der Bilderkennung verwendet.

Definition: Wenn ein Modell die Trainingsdaten zu gut lernt, einschließlich Rauschen und Ausreißern, was zu einer schlechten Generalisierung auf neue Daten führt.
Beispiel: Ein Modell, das bei Trainingsdaten gut, aber bei Testdaten schlecht abschneidet.

Definition: Der Prozess des Erstellens, Testens und Validierens eines Modells, um zukünftige Ergebnisse basierend auf historischen Daten vorherzusagen.
Beispiel: Vorhersage von Aktienkursen basierend auf historischen Marktdaten.

Definition: Eine Art des maschinellen Lernens, bei dem ein Agent lernt, Entscheidungen zu treffen, indem er Aktionen in einer Umgebung ausführt, um die kumulative Belohnung zu maximieren.
Beispiel: Training einer KI, Schach zu spielen, indem Siege belohnt und Verluste bestraft werden.

Definition: Eine Art der prädiktiven Modellierungstechnik, die die Beziehungen zwischen Variablen schätzt.
Beispiel: Lineare Regression kann das Gewicht einer Person basierend auf ihrer Größe und ihrem Alter vorhersagen.

Definition: Der Bereich der Technik und Wissenschaft, der sich mit dem Design, Bau und Betrieb von Robotern beschäftigt.
Beispiel: Autonome Roboter, die in der Fertigung eingesetzt werden.

Definition: Eine Art des maschinellen Lernens, bei der das Modell mit gekennzeichneten Daten trainiert wird.
Beispiel: Klassifizieren von E-Mails als Spam oder Nicht-Spam mithilfe eines gekennzeichneten Datensatzes.

Definition: Ein überwachter Lernalgorithmus, der für Klassifikations- und Regressionstasks verwendet wird.
Beispiel: SVMs können Bilder in verschiedene Kategorien klassifizieren.

Definition: Eine Open-Source-Softwarebibliothek für Datenfluss und differenzierbare Programmierung für eine Vielzahl von Aufgaben.
Beispiel: TensorFlow wird häufig zur Implementierung von Deep-Learning-Modellen verwendet.

Definition: Die Analyse zeitlich geordneter Daten, um aussagekräftige Statistiken zu extrahieren und Trends zu erkennen.
Beispiel: Vorhersage von Aktienkursen oder Wetterbedingungen.

Definition: Eine Technik des maschinellen Lernens, bei der ein vortrainiertes Modell an ein neues, aber verwandtes Problem angepasst wird.
Beispiel: Verwendung eines vortrainierten Bildklassifikationsmodells zur Identifizierung spezifischer Objekte in neuen Bildern.

Definition: Eine Art des maschinellen Lernens, bei der das Modell mit nicht gekennzeichneten Daten trainiert wird.
Beispiel: Clustering von Kunden basierend auf ihrem Kaufverhalten ohne vordefinierte Labels.

Definition: Ein Datensatz, der zur Feinabstimmung der Hyperparameter eines Modells verwendet wird.
Beispiel: Aufteilen der Daten in Trainings-, Validierungs- und Testsets zur Optimierung des Modells.

Definition: Ein Maß dafür, wie stark die Vorhersagen eines Modells mit unterschiedlichen Trainingsdaten variieren.
Beispiel: Hohe Varianz in einem Modell deutet darauf hin, dass es die Trainingsdaten überanpassen könnte.

Definition: Ein Array von Zahlen, das Merkmale oder Attribute von Daten im maschinellen Lernen darstellt.
Beispiel: Wort-Einbettungen in NLP sind Vektoren, die Wörter in einem kontinuierlichen Vektorraum darstellen.

Definition: Ein einfacher, instanzbasierter Lernalgorithmus, der für Klassifikations- und Regressionstasks verwendet wird.
Beispiel: KNN kann einen neuen Datenpunkt basierend auf der Mehrheit der Klasse seiner nächsten Nachbarn klassifizieren.

Definition: Eine Technik zur Bewertung, wie gut ein Modell auf ein unabhängiges Datenset generalisiert.
Beispiel: Verwendung von k-facher Kreuzvalidierung zur Bewertung der Leistung eines maschinellen Lernmodells.

Definition: Ein Deep-Learning-Algorithmus, der hauptsächlich für Bildverarbeitungsaufgaben verwendet wird.
Beispiel: CNNs werden in Gesichtserkennungssystemen eingesetzt.

Definition: Der Prozess der Reduzierung der Anzahl der betrachteten Zufallsvariablen.
Beispiel: Hauptkomponentenanalyse (PCA) wird verwendet, um die Dimensionalität großer Datensätze zu reduzieren.

Definition: Ein Optimierungsalgorithmus, der verwendet wird, um die Verlustfunktion in maschinellen Lernmodellen zu minimieren.
Beispiel: Gradientenabstieg wird verwendet, um die Gewichte in einem neuronalen Netzwerk während des Trainings zu aktualisieren.

Definition: Ein Regel-oder-Daumen-Ansatz zur Problemlösung, der nicht garantiert perfekt ist, aber ausreicht, um ein unmittelbares Ziel zu erreichen.
Beispiel: Heuristiken werden in Suchalgorithmen verwendet, um schnell annähernde Lösungen zu finden.

Definition: Der Prozess der Optimierung der Hyperparameter eines Modells zur Verbesserung seiner Leistung.
Beispiel: Grid Search und Random Search sind gängige Methoden zur Hyperparameter-Optimierung.

Definition: Ein statistisches Modell, das für binäre Klassifikationsaufgaben verwendet wird.
Beispiel: Vorhersage, ob ein Benutzer auf eine Anzeige klickt (Klick oder kein Klick).

Definition: Ein Maß für den durchschnittlichen quadratischen Unterschied zwischen vorhergesagten und tatsächlichen Werten.
Beispiel: MSE wird verwendet, um die Leistung von Regressionsmodellen zu bewerten.

Definition: Der Prozess der Generierung natürlicher Sprachtexte aus strukturierten Daten.
Beispiel: Generierung von Wetterberichten aus meteorologischen Daten.

Definition: Ein automatisierter Prozess zur Gestaltung neuronaler Netzwerkarchitekturen.
Beispiel: NAS kann verwendet werden, um die optimale neuronale Netzwerkarchitektur für eine bestimmte Aufgabe zu finden.

Definition: Ein Prozess zur Umwandlung von kategorialen Daten in eine binäre Vektordarstellung.
Beispiel: Umwandlung von Kategorien wie "rot", "grün" und "blau" in binäre Vektoren.

Definition: Das Verhältnis von echten positiven Ergebnissen zu den insgesamt vorhergesagten positiven Ergebnissen in einem Klassifikationsmodell.
Beispiel: Hohe Präzision zeigt an, dass das Modell eine geringe Fehlalarmrate hat.

Definition: Das Verhältnis von echten positiven Ergebnissen zu den insgesamt tatsächlichen positiven Ergebnissen in einem Klassifikationsmodell.
Beispiel: Hoher Recall zeigt an, dass das Modell eine geringe Fehlrate hat.

Definition: Ein Typ neuronales Netzwerk, das entwickelt wurde, um Muster in Sequenzen von Daten zu erkennen.
Beispiel: RNNs werden für Aufgaben wie Sprachmodellierung und Zeitreihenvorhersage verwendet.

Definition: Der Prozess der Aufteilung von Text in einzelne Wörter oder Phrasen.
Beispiel: Tokenisierung eines Satzes in Wörter zur Verarbeitung bei natürlichen Sprachaufgaben.