Alle Inhalte in der Kategorie Glossary durchsuchen
Die logistische Regression ist eine statistische und maschinelle Lernmethode zur Vorhersage binärer Ergebnisse aus Daten. Sie schätzt die Wahrscheinlichkeit, dass ein Ereignis eintritt, basierend auf einer oder mehreren unabhängigen Variablen, und wird häufig im Gesundheitswesen, in der Finanzwelt, im Marketing und in der KI eingesetzt.
Long Short-Term Memory (LSTM) ist eine spezialisierte Architektur von Rekurrenten Neuronalen Netzwerken (RNN), die darauf ausgelegt ist, langfristige Abhängigkeiten in sequenziellen Daten zu erlernen. LSTM-Netzwerke nutzen Speichereinheiten und Gate-Mechanismen, um das Problem des verschwindenden Gradienten zu lösen, wodurch sie essenziell für Aufgaben wie Sprachmodellierung, Spracherkennung und Zeitreihenprognosen sind.
Eine Machine-Learning-Pipeline ist ein automatisierter Workflow, der die Entwicklung, das Training, die Evaluierung und den Einsatz von Machine-Learning-Modellen rationalisiert und standardisiert, indem Rohdaten effizient und skalierbar in umsetzbare Erkenntnisse verwandelt werden.
Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz (KI), das es Maschinen ermöglicht, aus Daten zu lernen, Muster zu erkennen, Vorhersagen zu treffen und Entscheidungsfindungen im Laufe der Zeit ohne explizite Programmierung zu verbessern.
Das Model Context Protocol (MCP) ist eine offene Standard-Schnittstelle, die es großen Sprachmodellen (LLMs) ermöglicht, sicher und konsistent auf externe Datenquellen, Werkzeuge und Funktionen zuzugreifen, und fungiert dabei als „USB-C“ für KI-Systeme.
Mean Average Precision (mAP) ist eine wichtige Kennzahl im Bereich Computer Vision zur Bewertung von Objekterkennungsmodellen. Sie erfasst sowohl die Erkennungs- als auch die Lokalisierungsgenauigkeit mit einem einzelnen Skalarwert. mAP wird häufig für das Benchmarking und die Optimierung von KI-Modellen in Aufgaben wie autonomem Fahren, Überwachung und Informationsabruf eingesetzt.
Erfahren Sie, wie 'Meinten Sie' (DYM) in der NLP Fehler in Benutzereingaben wie Tippfehler oder Rechtschreibfehler erkennt und korrigiert und Alternativen vorschlägt, um das Benutzererlebnis in Suchmaschinen, Chatbots und mehr zu verbessern.
Human-in-the-Loop (HITL) ist ein Ansatz in der KI und dem maschinellen Lernen, bei dem menschliche Expertise in das Training, die Feinabstimmung und die Anwendung von KI-Systemen integriert wird, um die Genauigkeit zu erhöhen, Fehler zu reduzieren und die Einhaltung ethischer Standards zu gewährleisten.
Die Merkmals-Extraktion wandelt Rohdaten in eine reduzierte Menge informativer Merkmale um und verbessert das maschinelle Lernen, indem sie Daten vereinfacht, die Modellleistung steigert und die Rechenkosten senkt. Entdecken Sie Techniken, Anwendungen, Tools und wissenschaftliche Einblicke in diesem umfassenden Leitfaden.
Ein Metaprompt in der künstlichen Intelligenz ist eine hochrangige Anweisung, die dazu dient, andere Prompts für große Sprachmodelle (LLMs) zu generieren oder zu verbessern. Dadurch werden KI-Ausgaben optimiert, Aufgaben automatisiert und das mehrstufige Denken in Chatbots sowie Automatisierungs-Workflows verbessert.
Erfahren Sie mehr über Mistral AI und die LLM-Modelle, die sie anbieten. Entdecken Sie, wie diese Modelle eingesetzt werden und was sie besonders macht.
Der Mittlere Absolutfehler (MAE) ist eine grundlegende Kennzahl im maschinellen Lernen zur Bewertung von Regressionsmodellen. Er misst die durchschnittliche Größe der Fehler in Vorhersagen und bietet eine einfache und interpretierbare Möglichkeit, die Modellgenauigkeit zu beurteilen, ohne die Richtung des Fehlers zu berücksichtigen.
Model Drift, auch Modellverfall genannt, bezeichnet den Rückgang der Vorhersagegenauigkeit eines Machine-Learning-Modells im Laufe der Zeit aufgrund von Veränderungen in der realen Umgebung. Erfahren Sie mehr über Typen, Ursachen, Erkennungsmethoden und Lösungen für Model Drift in KI und Machine Learning.
Modell-Kollaps ist ein Phänomen in der künstlichen Intelligenz, bei dem ein trainiertes Modell im Laufe der Zeit abbaut, insbesondere wenn es sich auf synthetische oder von KI generierte Daten stützt. Dies führt zu einer geringeren Vielfalt der Ausgaben, sicheren Antworten und einer verminderten Fähigkeit, kreative oder originelle Inhalte zu erzeugen.
Modellinterpretierbarkeit bezeichnet die Fähigkeit, die Vorhersagen und Entscheidungen von Machine-Learning-Modellen zu verstehen, zu erklären und ihnen zu vertrauen. Sie ist in der KI entscheidend, insbesondere für Entscheidungsfindungen in Bereichen wie Gesundheitswesen, Finanzen und autonomen Systemen, und schlägt die Brücke zwischen komplexen Modellen und menschlichem Verständnis.
Modellrobustheit bezeichnet die Fähigkeit eines Machine-Learning-(ML)-Modells, trotz Variationen und Unsicherheiten in den Eingabedaten eine konsistente und genaue Leistung aufrechtzuerhalten. Robuste Modelle sind entscheidend für zuverlässige KI-Anwendungen, da sie Widerstandsfähigkeit gegen Rauschen, Ausreißer, Verteilungsverschiebungen und adversariale Angriffe gewährleisten.
Monte-Carlo-Methoden sind rechnergestützte Algorithmen, die wiederholte Zufallsstichproben verwenden, um komplexe, oft deterministische Probleme zu lösen. Sie werden häufig in den Bereichen Finanzen, Ingenieurwesen, KI und mehr eingesetzt und ermöglichen die Modellierung von Unsicherheiten, Optimierung und Risikobewertung durch die Simulation zahlreicher Szenarien und die Analyse probabilistischer Ergebnisse.
Multi-Hop-Reasoning ist ein KI-Prozess, insbesondere im Bereich NLP und Wissensgraphen, bei dem Systeme mehrere Informationsstücke verknüpfen, um komplexe Fragen zu beantworten oder Entscheidungen zu treffen. Es ermöglicht logische Verbindungen über verschiedene Datenquellen hinweg und unterstützt fortgeschrittenes Question Answering, die Vervollständigung von Wissensgraphen und intelligentere Chatbots.
Mustererkennung ist ein rechnergestützter Prozess zur Identifizierung von Mustern und Regelmäßigkeiten in Daten, der in Bereichen wie KI, Informatik, Psychologie und Datenanalyse von entscheidender Bedeutung ist. Sie automatisiert das Erkennen von Strukturen in Sprache, Text, Bildern und abstrakten Datensätzen und ermöglicht intelligente Systeme und Anwendungen wie Computer Vision, Spracherkennung, OCR und Betrugserkennung.
Apache MXNet ist ein Open-Source-Deep-Learning-Framework, das für effizientes und flexibles Training sowie die Bereitstellung tiefer neuronaler Netze entwickelt wurde. Bekannt für seine Skalierbarkeit, sein hybrides Programmiermodell und die Unterstützung mehrerer Sprachen, ermöglicht MXNet Forschern und Entwicklern den Aufbau fortschrittlicher KI-Lösungen.
Naive Bayes ist eine Familie von Klassifikationsalgorithmen, die auf dem Satz von Bayes basieren und bedingte Wahrscheinlichkeiten unter der vereinfachenden Annahme anwenden, dass Merkmale voneinander unabhängig sind. Trotz dieser Annahme sind Naive-Bayes-Klassifikatoren effektiv, skalierbar und werden beispielsweise bei der Spam-Erkennung und Textklassifikation eingesetzt.
Die natürliche Sprachgenerierung (NLG) ist ein Teilgebiet der KI, das sich auf die Umwandlung strukturierter Daten in menschenähnlichen Text konzentriert. NLG treibt Anwendungen wie Chatbots, Sprachassistenten, Content-Erstellung und mehr an, indem es zusammenhängende, kontextuell relevante und grammatikalisch korrekte Texte generiert.
Ein negativer Prompt in der KI ist eine Anweisung, die Modelle dazu auffordert, bestimmte Inhalte nicht in ihre generierten Ergebnisse aufzunehmen. Im Gegensatz zu traditionellen Prompts, die die Inhaltserstellung steuern, geben negative Prompts Elemente, Stile oder Merkmale an, die vermieden werden sollen. Dies verfeinert die Ergebnisse und sorgt dafür, dass sie besser mit den Nutzerpräferenzen übereinstimmen, insbesondere bei generativen Modellen wie Stable Diffusion und Midjourney.
Neugeschäft bezeichnet den Umsatz, der durch neu gewonnene Kunden oder reaktivierte Konten innerhalb eines bestimmten Zeitraums generiert wird. Dabei wird in der Regel jeder Umsatz aus Upselling oder Cross-Selling an bestehende aktive Kunden ausgeschlossen. Es ist eine entscheidende Kennzahl für Unternehmen, die das Wachstum messen möchten, das durch die Erweiterung ihres Kundenstamms und nicht nur durch Zusatzverkäufe an bestehende Kunden erzielt wird.
Neuromorphes Computing ist ein hochmoderner Ansatz im Bereich des Computer-Engineerings, bei dem sowohl Hard- als auch Softwareelemente nach dem Vorbild des menschlichen Gehirns und Nervensystems modelliert werden. Dieses interdisziplinäre Feld, auch bekannt als neuromorphe Technik, vereint Informatik, Biologie, Mathematik, Elektrotechnik und Physik, um bio-inspirierte Computersysteme und Hardware zu schaffen.
Natural Language Toolkit (NLTK) ist eine umfassende Suite von Python-Bibliotheken und Programmen für symbolische und statistische Verarbeitung natürlicher Sprache (NLP). Weit verbreitet in Wissenschaft und Industrie, bietet es Werkzeuge für Tokenisierung, Stemming, Lemmatisierung, POS-Tagging und mehr.
No-Code-AI-Plattformen ermöglichen es Nutzern, KI- und Machine-Learning-Modelle zu erstellen, bereitzustellen und zu verwalten, ohne Code zu schreiben. Diese Plattformen bieten visuelle Oberflächen und vorgefertigte Komponenten und demokratisieren KI für Geschäftsanwender, Analysten und Fachexperten.
NSFW, ein Akronym für Nicht sicher für die Arbeit, ist ein Internet-Slang-Begriff, der verwendet wird, um Inhalte zu kennzeichnen, die unangemessen oder anstößig sein könnten, wenn sie in der Öffentlichkeit oder in beruflichen Umgebungen angesehen werden. Diese Kennzeichnung dient als Warnung, dass das Material Elemente wie Nacktheit, sexuelle Inhalte, grafische Gewalt, Obszönitäten oder andere sensible Themen enthalten kann, die in Arbeitsumgebungen oder Schulen ungeeignet sind.
NumPy ist eine Open-Source-Python-Bibliothek, die für numerische Berechnungen unerlässlich ist und effiziente Array-Operationen und mathematische Funktionen bereitstellt. Sie bildet die Grundlage für wissenschaftliches Rechnen, Data Science und Machine-Learning-Workflows, indem sie eine schnelle, groß angelegte Datenverarbeitung ermöglicht.
Open Neural Network Exchange (ONNX) ist ein Open-Source-Format für den nahtlosen Austausch von Machine-Learning-Modellen zwischen verschiedenen Frameworks und verbessert die Flexibilität bei der Bereitstellung, die Standardisierung und die Hardware-Optimierung.
OpenAI ist eine führende Forschungsorganisation im Bereich der künstlichen Intelligenz, bekannt für die Entwicklung von GPT, DALL-E und ChatGPT, mit dem Ziel, sichere und nutzbringende künstliche allgemeine Intelligenz (AGI) für die Menschheit zu schaffen.
OpenCV ist eine fortschrittliche Open-Source-Bibliothek für Computer Vision und maschinelles Lernen, die über 2500 Algorithmen für Bildverarbeitung, Objekterkennung und Echtzeitanwendungen in verschiedenen Programmiersprachen und auf mehreren Plattformen bietet.
Optische Zeichenerkennung (OCR) ist eine transformative Technologie, die Dokumente wie gescannte Papiere, PDFs oder Bilder in editierbare und durchsuchbare Daten umwandelt. Erfahren Sie, wie OCR funktioniert, welche Typen es gibt, Anwendungen, Vorteile, Einschränkungen und die neuesten Fortschritte in KI-gesteuerten OCR-Systemen.
Overfitting ist ein entscheidendes Konzept in der künstlichen Intelligenz (KI) und im maschinellen Lernen (ML). Es tritt auf, wenn ein Modell die Trainingsdaten zu genau lernt, einschließlich Rauschen, was zu einer schlechten Generalisierung bei neuen Daten führt. Erfahren Sie, wie Sie Overfitting mit effektiven Techniken erkennen und verhindern können.
Pandas ist eine Open-Source-Bibliothek für Datenmanipulation und -analyse in Python, bekannt für ihre Vielseitigkeit, robuste Datenstrukturen und Benutzerfreundlichkeit im Umgang mit komplexen Datensätzen. Sie ist ein Grundpfeiler für Datenanalysten und Data Scientists und unterstützt effiziente Datenbereinigung, -transformation und -analyse.
Parameter-Efficient Fine-Tuning (PEFT) ist ein innovativer Ansatz in der KI und NLP, der es ermöglicht, große vortrainierte Modelle an spezifische Aufgaben anzupassen, indem nur ein kleiner Teil ihrer Parameter aktualisiert wird. Dadurch werden die Rechenkosten und die Trainingszeit für eine effiziente Bereitstellung reduziert.
Paraphrasieren in der Kommunikation ist die Fähigkeit, die Botschaft einer anderen Person mit eigenen Worten wiederzugeben, während die ursprüngliche Bedeutung erhalten bleibt. Es sorgt für Klarheit, fördert das Verständnis und wird durch KI-Tools verbessert, die effiziente alternative Ausdrucksweisen bieten.
Das Pathways-Sprachmodell (PaLM) ist Googles fortschrittliche Familie großer Sprachmodelle, entwickelt für vielseitige Anwendungen wie Textgenerierung, logisches Denken, Code-Analyse und mehrsprachige Übersetzungen. Aufbauend auf der Pathways-Initiative überzeugt PaLM durch Leistung, Skalierbarkeit und verantwortungsbewusste KI-Praktiken.
Perplexity AI ist eine fortschrittliche, KI-gestützte Suchmaschine und ein Konversationswerkzeug, das NLP und maschinelles Lernen nutzt, um präzise, kontextbezogene Antworten mit Quellenangaben zu liefern. Ideal für Forschung, Lernen und den professionellen Einsatz integriert es mehrere große Sprachmodelle und Quellen für eine genaue, aktuelle Informationsbeschaffung.
Personalisierte Vermarktung mit KI nutzt künstliche Intelligenz, um Marketingstrategien und -kommunikation individuell auf Kunden abzustimmen – basierend auf deren Verhalten, Vorlieben und Interaktionen. Dadurch werden Engagement, Zufriedenheit und Konversionsraten gesteigert.
Plotly ist eine fortschrittliche Open-Source-Bibliothek zur Erstellung interaktiver, publikationsreifer Diagramme online. Kompatibel mit Python, R und JavaScript, ermöglicht Plotly Nutzern die Darstellung komplexer Datenvisualisierungen und unterstützt eine Vielzahl von Diagrammtypen, Interaktivität und die Integration in Webanwendungen.
Posenschätzung ist eine Computer-Vision-Technik, die Position und Orientierung einer Person oder eines Objekts in Bildern oder Videos vorhersagt, indem sie Schlüsselpunkte identifiziert und verfolgt. Sie ist essenziell für Anwendungen wie Sportanalytik, Robotik, Gaming und autonomes Fahren.
Im Bereich der LLMs ist ein Prompt ein Eingabetext, der die Ausgabe des Modells steuert. Erfahren Sie, wie effektive Prompts – einschließlich Zero-, One-, Few-Shot- und Chain-of-Thought-Techniken – die Antwortqualität in KI-Sprachmodellen verbessern.
Prompt Engineering ist die Praxis, Eingaben für generative KI-Modelle so zu gestalten und zu verfeinern, dass optimale Ergebnisse erzielt werden. Dies beinhaltet das Erstellen präziser und effektiver Prompts, die die KI dazu anleiten, Texte, Bilder oder andere Inhaltsformen zu generieren, die bestimmte Anforderungen erfüllen.
PyTorch ist ein Open-Source-Framework für maschinelles Lernen, entwickelt von Meta AI, das für seine Flexibilität, dynamische Rechen-Graphen, GPU-Beschleunigung und nahtlose Python-Integration bekannt ist. Es wird weit verbreitet für Deep Learning, Computer Vision, NLP und Forschungsanwendungen eingesetzt.
Q-Lernen ist ein grundlegendes Konzept der künstlichen Intelligenz (KI) und des maschinellen Lernens, insbesondere im Bereich des bestärkenden Lernens. Es ermöglicht Agenten, durch Interaktion und Rückmeldung in Form von Belohnungen oder Strafen optimale Handlungen zu erlernen und so die Entscheidungsfindung im Laufe der Zeit zu verbessern.
Erhalten Sie einen schnellen und einfachen Überblick darüber, was Quantencomputing ist. Erfahren Sie, wie es genutzt werden kann, welche Herausforderungen bestehen und welche Hoffnungen die Zukunft bereithält.
Das Quartalsende markiert den Abschluss eines Unternehmensquartals und ist entscheidend für Finanzberichterstattung, Leistungsevaluation und strategische Planung. Erfahren Sie, wie KI und Automatisierung diese Prozesse optimieren, die Genauigkeit verbessern und bessere Entscheidungen ermöglichen.
Entdecken Sie Recall im Machine Learning: ein entscheidender Messwert zur Bewertung der Modellleistung, insbesondere bei Klassifikationsaufgaben, bei denen das korrekte Erkennen positiver Instanzen entscheidend ist. Lernen Sie Definition, Berechnung, Bedeutung, Anwendungsfälle und Strategien zur Verbesserung kennen.
Regularisierung in der künstlichen Intelligenz (KI) bezeichnet eine Reihe von Techniken, die dazu dienen, Überanpassung (Overfitting) in Machine-Learning-Modellen während des Trainings durch das Einführen von Einschränkungen zu verhindern, um eine bessere Generalisierung auf unbekannte Daten zu ermöglichen.
Was ist ein Reifen-Treter? Im Vertrieb ist ein Reifen-Treter ein Interessent, der scheinbar Interesse an einem Produkt oder einer Dienstleistung zeigt, aber keine echte Kaufabsicht oder Fähigkeit hat. Erfahren Sie, wie Sie Reifen-Treter erkennen, steuern und ihren Einfluss mit effektiven Vertriebsstrategien und KI-Tools minimieren.
Reinforcement Learning (RL) ist eine Methode zum Trainieren von Machine-Learning-Modellen, bei der ein Agent durch Ausführen von Aktionen und Erhalten von Feedback lernt, Entscheidungen zu treffen. Das Feedback, in Form von Belohnungen oder Strafen, leitet den Agenten dazu an, seine Leistung im Laufe der Zeit zu verbessern. RL wird häufig in den Bereichen Gaming, Robotik, Finanzen, Gesundheitswesen und autonome Fahrzeuge eingesetzt.
Reinforcement Learning aus menschlichem Feedback (RLHF) ist eine Methode des maschinellen Lernens, bei der menschliche Rückmeldungen in den Trainingsprozess von Reinforcement-Learning-Algorithmen integriert werden. Im Gegensatz zum traditionellen Reinforcement Learning, das sich ausschließlich auf vordefinierte Belohnungssignale stützt, nutzt RLHF menschliche Bewertungen, um das Verhalten von KI-Modellen zu formen und zu verfeinern. Dieser Ansatz sorgt dafür, dass die KI besser mit menschlichen Werten und Präferenzen übereinstimmt und ist besonders nützlich bei komplexen und subjektiven Aufgaben.
Rekurrente neuronale Netzwerke (RNNs) sind eine fortschrittliche Klasse künstlicher neuronaler Netzwerke, die zur Verarbeitung sequentieller Daten entwickelt wurden, indem sie das Gedächtnis früherer Eingaben nutzen. RNNs sind besonders leistungsfähig bei Aufgaben, bei denen die Reihenfolge der Daten entscheidend ist, darunter NLP, Spracherkennung und Zeitreihenprognosen.
Rekursives Prompting ist eine KI-Technik, die bei großen Sprachmodellen wie GPT-4 eingesetzt wird und es den Nutzern ermöglicht, Ausgaben durch wechselseitigen Dialog iterativ zu verfeinern, um qualitativ hochwertigere und genauere Ergebnisse zu erzielen.
Retrieval Augmented Generation (RAG) ist ein fortschrittliches KI-Framework, das traditionelle Informationsabrufsysteme mit generativen großen Sprachmodellen (LLMs) kombiniert. So kann die KI Texte generieren, die durch Integration von externem Wissen genauer, aktueller und kontextbezogener sind.
Der Return on Artificial Intelligence (ROAI) misst die Auswirkungen von KI-Investitionen auf die Geschäftsabläufe, Produktivität und Rentabilität eines Unternehmens. Erfahren Sie, wie Sie die Rendite Ihrer KI-Initiativen mit Strategien, Praxisbeispielen und Forschungsergebnissen bewerten, messen und maximieren können.
Eine Receiver Operating Characteristic (ROC) Kurve ist eine grafische Darstellung zur Bewertung der Leistung eines binären Klassifikatorsystems, wenn dessen Diskriminierungsschwelle variiert wird. Ursprünglich aus der Signaldetektionstheorie des Zweiten Weltkriegs stammend, sind ROC-Kurven heute essenziell in Machine Learning, Medizin und KI zur Modellevaluierung.
Der ROUGE-Score ist eine Reihe von Metriken zur Bewertung der Qualität von maschinell generierten Zusammenfassungen und Übersetzungen durch den Vergleich mit menschlichen Referenzen. ROUGE wird häufig im NLP eingesetzt, misst Inhaltsüberschneidungen und Recall und hilft, Zusammenfassungs- und Übersetzungssysteme zu beurteilen.
Erfahren Sie die wichtigsten Informationen über Rytr. Ein schneller Überblick über die wichtigsten Funktionen, Vor- und Nachteile sowie Alternativen.
