KI Glossar: Unterschied zwischen den Versionen
Glanz (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
Glanz (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
||
| Zeile 24: | Zeile 24: | ||
{{o}} [[Autonome Systeme]]: Systeme, die ohne menschliche Eingriffe Entscheidungen treffen und Aktionen ausführen können. | {{o}} [[Autonome Systeme]]: Systeme, die ohne menschliche Eingriffe Entscheidungen treffen und Aktionen ausführen können. | ||
|} | |} | ||
{{TOC}} | |||
=== B === | === B === | ||
| Zeile 33: | Zeile 35: | ||
{{o}} [[Backpropagation]]: Ein Algorithmus zum Trainieren von neuronalen Netzen, bei dem Fehler vom Ausgang zurück zum Eingang geleitet werden, um Gewichte anzupassen. | {{o}} [[Backpropagation]]: Ein Algorithmus zum Trainieren von neuronalen Netzen, bei dem Fehler vom Ausgang zurück zum Eingang geleitet werden, um Gewichte anzupassen. | ||
|} | |} | ||
{{TOC}} | |||
=== C === | === C === | ||
| Zeile 42: | Zeile 47: | ||
{{o}} [[Convolutional Neural Networks (CNN)]]: Ein Typ von tiefen neuronalen Netzen, besonders geeignet für die Verarbeitung von Pixelinformation in Bildern. | {{o}} [[Convolutional Neural Networks (CNN)]]: Ein Typ von tiefen neuronalen Netzen, besonders geeignet für die Verarbeitung von Pixelinformation in Bildern. | ||
|} | |} | ||
{{TOC}} | |||
=== D === | === D === | ||
| Zeile 51: | Zeile 59: | ||
{{o}} [[Decision Trees]]: Modell zur Entscheidungsfindung und Vorhersage, das eine Baumstruktur zur Darstellung von Entscheidungen und deren möglichen Konsequenzen nutzt. | {{o}} [[Decision Trees]]: Modell zur Entscheidungsfindung und Vorhersage, das eine Baumstruktur zur Darstellung von Entscheidungen und deren möglichen Konsequenzen nutzt. | ||
|} | |} | ||
{{TOC}} | |||
=== E === | === E === | ||
| Zeile 60: | Zeile 71: | ||
{{o}} [[Embeddings]]: Vektordarstellungen von Daten, die in maschinellen Lernmodellen verwendet werden, um komplexe Beziehungen zwischen Datenpunkten zu erfassen. | {{o}} [[Embeddings]]: Vektordarstellungen von Daten, die in maschinellen Lernmodellen verwendet werden, um komplexe Beziehungen zwischen Datenpunkten zu erfassen. | ||
|} | |} | ||
{{TOC}} | |||
=== F === | === F === | ||
| Zeile 69: | Zeile 83: | ||
{{o}} [[Federated Learning]]: Ein Ansatz für maschinelles Lernen, bei dem ein Modell über viele verteilte Geräte oder Server trainiert wird, ohne dass Daten zentralisiert werden müssen. | {{o}} [[Federated Learning]]: Ein Ansatz für maschinelles Lernen, bei dem ein Modell über viele verteilte Geräte oder Server trainiert wird, ohne dass Daten zentralisiert werden müssen. | ||
|} | |} | ||
{{TOC}} | |||
=== G === | === G === | ||
| Zeile 78: | Zeile 95: | ||
{{o}} [[Genetic Algorithms]]: Suchalgorithmen, die auf den Prinzipien der natürlichen Selektion und genetischen Variation beruhen, um optimale Lösungen zu finden. | {{o}} [[Genetic Algorithms]]: Suchalgorithmen, die auf den Prinzipien der natürlichen Selektion und genetischen Variation beruhen, um optimale Lösungen zu finden. | ||
|} | |} | ||
{{TOC}} | |||
=== H === | === H === | ||
| Zeile 87: | Zeile 107: | ||
{{o}} [[Hybrid Systems]]: Systeme, die verschiedene Arten von Technologien oder Methoden kombinieren, z. B. KI mit regelbasierten Systemen. | {{o}} [[Hybrid Systems]]: Systeme, die verschiedene Arten von Technologien oder Methoden kombinieren, z. B. KI mit regelbasierten Systemen. | ||
|} | |} | ||
{{TOC}} | |||
=== I === | === I === | ||
| Zeile 96: | Zeile 119: | ||
{{o}} [[Inference]]: Der Prozess der Anwendung eines trainierten Modells auf neue Daten, um Vorhersagen oder Entscheidungen zu treffen. | {{o}} [[Inference]]: Der Prozess der Anwendung eines trainierten Modells auf neue Daten, um Vorhersagen oder Entscheidungen zu treffen. | ||
|} | |} | ||
{{TOC}} | |||
=== J === | === J === | ||
| Zeile 105: | Zeile 131: | ||
{{o}} [[JSON (JavaScript Object Notation)]]: Ein leichtgewichtiges Daten-Austauschformat, das für die Speicherung und den Transport von Daten verwendet wird, oft in Webanwendungen mit KI-Komponenten. | {{o}} [[JSON (JavaScript Object Notation)]]: Ein leichtgewichtiges Daten-Austauschformat, das für die Speicherung und den Transport von Daten verwendet wird, oft in Webanwendungen mit KI-Komponenten. | ||
|} | |} | ||
{{TOC}} | |||
=== K === | === K === | ||
| Zeile 115: | Zeile 144: | ||
# [[Künstliche Intelligenz]] | # [[Künstliche Intelligenz]] | ||
|} | |} | ||
{{TOC}} | |||
| Zeile 125: | Zeile 157: | ||
{{o}} [[Language Processing]]: Der Prozess der Analyse, Verstehen und Generierung von natürlicher Sprache durch Computer. | {{o}} [[Language Processing]]: Der Prozess der Analyse, Verstehen und Generierung von natürlicher Sprache durch Computer. | ||
|} | |} | ||
{{TOC}} | |||
=== M === | === M === | ||
| Zeile 134: | Zeile 169: | ||
{{o}} [[Multi-Layer Perceptron (MLP)]]: Eine Klasse von künstlichen neuronalen Netzen, die aus mehreren Schichten von Neuronen besteht und für komplexe Mustererkennungsaufgaben eingesetzt wird. | {{o}} [[Multi-Layer Perceptron (MLP)]]: Eine Klasse von künstlichen neuronalen Netzen, die aus mehreren Schichten von Neuronen besteht und für komplexe Mustererkennungsaufgaben eingesetzt wird. | ||
|} | |} | ||
{{TOC}} | |||
=== N === | === N === | ||
| Zeile 143: | Zeile 181: | ||
{{o}} [[Normalization]]: Ein Prozess zur Anpassung und Änderung der Werte in einem Datensatz, um sie auf eine gemeinsame Skala zu bringen, ohne dass ihre Unterschiede in den Spannweiten verloren gehen. | {{o}} [[Normalization]]: Ein Prozess zur Anpassung und Änderung der Werte in einem Datensatz, um sie auf eine gemeinsame Skala zu bringen, ohne dass ihre Unterschiede in den Spannweiten verloren gehen. | ||
|} | |} | ||
{{TOC}} | |||
=== O === | === O === | ||
| Zeile 152: | Zeile 193: | ||
{{o}} [[Overfitting]]: Ein Modellierungsfehler, der auftritt, wenn ein Modell zu komplex ist und zu genau auf die Trainingsdaten angepasst wird, sodass es bei neuen Daten schlecht generalisiert. | {{o}} [[Overfitting]]: Ein Modellierungsfehler, der auftritt, wenn ein Modell zu komplex ist und zu genau auf die Trainingsdaten angepasst wird, sodass es bei neuen Daten schlecht generalisiert. | ||
|} | |} | ||
{{TOC}} | |||
=== P === | === P === | ||
| Zeile 161: | Zeile 205: | ||
{{o}} [[Principal Component Analysis (PCA)]]: Eine statistische Technik, die verwendet wird, um die Dimensionalität eines Datensatzes zu reduzieren, während so viel Varianz wie möglich beibehalten wird. | {{o}} [[Principal Component Analysis (PCA)]]: Eine statistische Technik, die verwendet wird, um die Dimensionalität eines Datensatzes zu reduzieren, während so viel Varianz wie möglich beibehalten wird. | ||
|} | |} | ||
{{TOC}} | |||
=== Q === | === Q === | ||
| Zeile 170: | Zeile 217: | ||
{{o}} [[Quality of Service (QoS)]]: Ein Maß dafür, wie gut ein Netzwerk, eine Anwendung oder ein Dienst die Anforderungen seiner Benutzer erfüllt, oft verwendet in der Bewertung von KI-gesteuerten Netzwerkdiensten. | {{o}} [[Quality of Service (QoS)]]: Ein Maß dafür, wie gut ein Netzwerk, eine Anwendung oder ein Dienst die Anforderungen seiner Benutzer erfüllt, oft verwendet in der Bewertung von KI-gesteuerten Netzwerkdiensten. | ||
|} | |} | ||
{{TOC}} | |||
=== R === | === R === | ||
| Zeile 179: | Zeile 229: | ||
{{o}} [[Robotics]]: Der Bereich der KI, der sich mit dem Design, der Konstruktion, dem Betrieb und der Anwendung von Robotern beschäftigt. | {{o}} [[Robotics]]: Der Bereich der KI, der sich mit dem Design, der Konstruktion, dem Betrieb und der Anwendung von Robotern beschäftigt. | ||
|} | |} | ||
{{TOC}} | |||
=== S === | === S === | ||
| Zeile 188: | Zeile 241: | ||
{{o}} [[Sentiment Analysis]]: Der Prozess der Bestimmung der emotionalen Tönung hinter einer Reihe von Worten, verwendet, um die Einstellungen, Meinungen und Emotionen hinter dem Text zu verstehen. | {{o}} [[Sentiment Analysis]]: Der Prozess der Bestimmung der emotionalen Tönung hinter einer Reihe von Worten, verwendet, um die Einstellungen, Meinungen und Emotionen hinter dem Text zu verstehen. | ||
|} | |} | ||
{{TOC}} | |||
=== T === | === T === | ||
| Zeile 197: | Zeile 253: | ||
{{o}} [[Time Series Analysis]]: Eine Methode zur Analyse von Zeitreihendaten, um Muster zu erkennen und Vorhersagen zu treffen. | {{o}} [[Time Series Analysis]]: Eine Methode zur Analyse von Zeitreihendaten, um Muster zu erkennen und Vorhersagen zu treffen. | ||
|} | |} | ||
{{TOC}} | |||
| Zeile 207: | Zeile 266: | ||
{{o}} [[User Experience (UX)]]: Das Gesamterlebnis und die Zufriedenheit eines Benutzers beim Interagieren mit einem System oder einer Dienstleistung, einschließlich KI-basierter Anwendungen. | {{o}} [[User Experience (UX)]]: Das Gesamterlebnis und die Zufriedenheit eines Benutzers beim Interagieren mit einem System oder einer Dienstleistung, einschließlich KI-basierter Anwendungen. | ||
|} | |} | ||
{{TOC}} | |||
| Zeile 217: | Zeile 279: | ||
{{o}} [[Validation]]: Der Prozess der Überprüfung, ob ein KI-Modell oder -Algorithmus den erwarteten Anforderungen entspricht und korrekt funktioniert, oft durch Tests mit nicht gesehenen Daten. | {{o}} [[Validation]]: Der Prozess der Überprüfung, ob ein KI-Modell oder -Algorithmus den erwarteten Anforderungen entspricht und korrekt funktioniert, oft durch Tests mit nicht gesehenen Daten. | ||
|} | |} | ||
{{TOC}} | |||
=== W === | === W === | ||
| Zeile 226: | Zeile 291: | ||
{{o}} [[Workflow Automation]]: Die Technologie, die den Prozess der Automatisierung von Geschäftsprozessen mit Software durch die Verwendung von Regel-basierten Logiken erleichtert, einschließlich KI-Anwendungen. | {{o}} [[Workflow Automation]]: Die Technologie, die den Prozess der Automatisierung von Geschäftsprozessen mit Software durch die Verwendung von Regel-basierten Logiken erleichtert, einschließlich KI-Anwendungen. | ||
|} | |} | ||
{{TOC}} | |||
=== X === | === X === | ||
| Zeile 235: | Zeile 303: | ||
{{o}} [[XGBoost]]: Eine optimierte verteilte Gradienten-Boosting-Bibliothek, die effiziente und effektive Modellierung für maschinelles Lernen bietet. | {{o}} [[XGBoost]]: Eine optimierte verteilte Gradienten-Boosting-Bibliothek, die effiziente und effektive Modellierung für maschinelles Lernen bietet. | ||
|} | |} | ||
{{TOC}} | |||
=== Y === | === Y === | ||
| Zeile 244: | Zeile 315: | ||
{{o}} [[YARN (Yet Another Resource Negotiator)]]: Eine Komponente von Apache Hadoop, die die Ressourcenverwaltung und Jobplanung für große Datenverarbeitungsaufgaben verbessert. | {{o}} [[YARN (Yet Another Resource Negotiator)]]: Eine Komponente von Apache Hadoop, die die Ressourcenverwaltung und Jobplanung für große Datenverarbeitungsaufgaben verbessert. | ||
|} | |} | ||
{{TOC}} | |||
=== Z === | === Z === | ||
| Zeile 258: | Zeile 332: | ||
= Teilen = | |||
[[Kategorie:KI]] | |||
[[Kategorie:Künstliche Intelligenz]] | |||
{{:MOOCit - Teilen}} | {{:MOOCit - Teilen}} | ||
Version vom 25. März 2024, 21:24 Uhr
|
|
KI Glossar
A
|
B
|
C
|
D
|
E
|
F
|
G
|
H
|
I
|
J
|
K
|
L
|
M
|
N
|
O
|
P
|
Q
|
R
|
S
|
T
|
U
|
V
|
W
|
X
|
Y
|
Z
|
Teilen
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
KI-STIMMEN: WAS WÜRDE ... SAGEN? |
|
|
|
 |
