Please ensure Javascript is enabled for purposes of website accessibility
top of page

Glossar

Künstliche Intelligenz (KI)

Künstliche Intelligenz bezeichnet Technologien, die menschliche Fähigkeiten im Sehen, Hören, Analysieren, Entscheiden und Handeln ergänzen und stärken.
Sie ermöglicht es Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern.


Maschinelles Lernen (Machine Learning)

Maschinelles Lernen ist ein Teilgebiet der KI, das Algorithmen verwendet, die aus Daten lernen, um Vorhersagen oder Entscheidungen zu treffen. Anstatt explizit programmiert zu werden, verbessern Modelle ihre Leistung durch Erfahrung.

Überwachtes Lernen (Supervised Learning)

Beim überwachten Lernen werden Algorithmen mit gelabelten Daten trainiert. Das bedeutet, die Eingabedaten sind mit den korrekten Ausgabedaten versehen, sodass das Modell lernt, Eingaben den richtigen Ausgaben zuzuordnen.

Unüberwachtes Lernen (Unsupervised Learning)

Unüberwachtes Lernen arbeitet mit ungelabelten Daten. Das Modell versucht, Muster oder Strukturen in den Daten zu erkennen, ohne vorherige Anweisungen oder bekannte Ausgaben.

Neuronale Netze

Neuronale Netze ermöglichen es Programmen, Muster zu erkennen und gängige Probleme in der Künstlichen Intelligenz, im Maschinellen Lernen und im Deep Learning zu lösen. Sie sind vom menschlichen Gehirn inspiriert und bestehen aus miteinander verbundenen Knotenpunkten oder "Neuronen".

Deep Learning

Deep Learning ist eine Methode des Maschinellen Lernens, bei der tiefe neuronale Netze mit zahlreichen Zwischenschichten zwischen Ein- und Ausgang (sogenannten Hidden Layers) eingesetzt werden 2.
Diese Methode ist höchst rechenintensiv und auf große Datenmengen angewiesen 3.


Convolutional Neural Networks (CNNs)

Convolutional Neural Networks sind spezielle neuronale Netze, die besonders effektiv bei der Verarbeitung von Bilddaten sind. Sie nutzen Faltungen (Convolutions), um Muster und Merkmale in Bildern zu erkennen.

Künstliche Neuronale Netze (KNN)

Künstliche Neuronale Netze sind die Basis vieler Deep-Learning-Modelle. Sie bestehen aus mehreren Schichten von Neuronen, die Informationen verarbeiten und weiterleiten, um komplexe Aufgaben zu lösen.

Natural Language Processing (NLP)

Natural Language Processing ist ein Bereich der KI, der sich mit der Verarbeitung und Analyse natürlicher Sprache durch Computer befasst. Es ermöglicht Maschinen, gesprochene oder geschriebene Sprache zu verstehen und zu generieren.

Reinforcement Learning (Bestärkendes Lernen)

Reinforcement Learning ist ein Lernparadigma, bei dem ein Agent durch Interaktion mit einer Umgebung lernt. Durch Belohnungen oder Bestrafungen passt der Agent sein Verhalten an, um einen maximalen Gesamtnutzen zu erzielen.

Transfer Learning

Transfer Learning ist ein Ansatz im Maschinellen Lernen, bei dem ein vortrainiertes Modell als Ausgangspunkt für eine neue, ähnliche Aufgabe verwendet wird. Dies spart Zeit und Ressourcen, da das Modell nicht von Grund auf neu trainiert werden muss.

Big Data

Big Data bezeichnet große und komplexe Datenmengen, die mit traditionellen Methoden nicht effizient verarbeitet werden können. In der KI sind Big Data entscheidend, um Modelle mit umfangreichen Datensätzen zu trainieren.

Algorithmus

Ein Algorithmus ist eine Reihe von definierten Schritten oder Regeln, die befolgt werden, um ein Problem zu lösen oder eine bestimmte Aufgabe durchzuführen.

Klassifikation

Klassifikation ist ein überwacht lernendes Verfahren, bei dem das Modell lernt, Eingaben in vordefinierte Kategorien zuzuordnen.

Clustering

Clustering ist ein unüberwachtes Lernverfahren, das darauf abzielt, Datenpunkte zu Gruppen zusammenzufassen, sodass Punkte in derselben Gruppe ähnliche Eigenschaften haben.

Overfitting

Overfitting tritt auf, wenn ein Modell zu genau an die Trainingsdaten angepasst ist und deshalb bei neuen Daten schlecht generalisiert.

Bias und Varianz

Bias bezeichnet die Verzerrung oder Voreingenommenheit in einem Modell, während Varianz die Empfindlichkeit des Modells gegenüber Schwankungen in den Trainingsdaten beschreibt.

Hyperparameter

Hyperparameter sind Parameter eines Modells, die vor dem Training festgelegt werden und nicht aus den Trainingsdaten gelernt werden.

Computer Vision

Computer Vision ist ein Bereich der KI, der es Computern ermöglicht, digitale Bilder und Videos zu interpretieren und zu verstehen.

Generative Modelle

Generative Modelle sind Modelle, die neue Daten generieren können, die der Verteilung der Trainingsdaten ähneln.

bottom of page