Natural Language Generation (NLG)
Was ist Natural Language Generation (NLG)? Natural Language Generation (NLG), auf Deutsch auch als natürliche Sprachgenerierung bezeichnet, ist ein Teilgebiet der Künstlichen Intelligenz (KI), das sich mit der automatischen Erzeugung von menschlich lesbarem Text aus strukturierten Daten, Regeln oder Modellzuständen befasst. NLG ist eng mit dem übergeordneten Feld des Natural Language Processing (NLP) verwandt und […]
Natural Language Understanding (NLU)
Was ist Natural Language Understanding (NLU)? Natural Language Understanding (NLU) bezeichnet einen Teilbereich der Künstlichen Intelligenz (KI), der sich damit befasst, menschliche Sprache maschinell zu interpretieren und deren Bedeutung zu erfassen. Während verwandte Disziplinen wie Natural Language Processing (NLP) die Verarbeitung von Sprache in einem breiteren Sinne umfassen, konzentriert sich NLU speziell auf das semantische […]
Natural Language Processing (NLP)
Was ist Natural Language Processing (NLP)? Natural Language Processing (NLP), auf Deutsch auch als Computerlinguistik oder maschinelle Sprachverarbeitung bezeichnet, ist ein Teilgebiet der Künstlichen Intelligenz (KI / Artificial Intelligence), das sich mit der Analyse, dem Verstehen und der Erzeugung menschlicher Sprache durch Computer befasst. NLP bildet die technische Grundlage dafür, dass Maschinen natürlichsprachliche Texte und […]
Named Entity Recognition (NER)
Was ist Named Entity Recognition (NER)? Named Entity Recognition (NER) – auch als Eigennamenerkennung oder Entitätserkennung bezeichnet – ist ein Verfahren der natürlichen Sprachverarbeitung (NLP / Natural Language Processing), das benannte Einheiten in Texten automatisch identifiziert und klassifiziert. Zu diesen Einheiten zählen typischerweise Personen, Organisationen, Orte, Datumsangaben, Produktnamen oder Währungen. NER ist ein grundlegendes Werkzeug […]
Feature Extraction
Was ist Feature Extraction? Feature Extraction (deutsch: Merkmalextraktion) bezeichnet den Prozess, aus Rohdaten relevante Informationen – sogenannte Features oder Merkmale – zu identifizieren und in eine strukturierte, maschinenlesbare Form zu überführen. In der KI und im maschinellen Lernen ist Feature Extraction ein grundlegender Vorverarbeitungsschritt, der dazu dient, die für ein Modell bedeutsamen Eigenschaften eines Datensatzes […]
Feature Engineering
Was ist Feature Engineering? Feature Engineering bezeichnet den Prozess, bei dem aus Rohdaten relevante Merkmale – sogenannte Features – extrahiert, transformiert oder neu erstellt werden, um die Leistung von Machine-Learning-Modellen zu verbessern. Synonyme wie Merkmalskonstruktion oder Merkmalsaufbereitung beschreiben denselben Vorgang: Daten so aufzubereiten, dass ein Algorithmus daraus bessere Vorhersagen oder Klassifikationen ableiten kann. Feature Engineering […]
UMAP
Was ist UMAP? UMAP (Uniform Manifold Approximation and Projection) ist ein Algorithmus zur Dimensionsreduktion, der hochdimensionale Datenpunkte – beispielsweise Vektoren aus Sprachmodellen – in zwei- oder dreidimensionale Darstellungen überführt, ohne ihre strukturellen Beziehungen wesentlich zu verfälschen. Das Verfahren basiert auf topologischen Prinzipien und gehört zu den leistungsfähigsten Methoden zur Visualisierung und Analyse komplexer Datenräume. In […]
t-SNE
Was ist t-SNE? t-SNE (t-distributed Stochastic Neighbor Embedding) ist ein Verfahren zur Dimensionsreduktion, das hochdimensionale Daten in eine zwei- oder dreidimensionale Darstellung überführt, um Strukturen und Cluster visuell erkennbar zu machen. Das Verfahren wurde 2008 von Laurens van der Maaten und Geoffrey Hinton entwickelt und gehört zur Klasse der nichtlinearen Dimensionsreduktionstechniken. Im Kontext von KI […]
Feature Selection
Was ist Feature Selection? Feature Selection (deutsch: Merkmalsselektion oder Merkmalsauswahl) bezeichnet den Prozess, bei dem aus einem Datensatz die relevantesten Eingabevariablen – sogenannte Features oder Merkmale – für ein maschinelles Lernmodell identifiziert und ausgewählt werden. Ziel ist es, irrelevante, redundante oder rauschende Variablen zu entfernen, um die Modellqualität zu verbessern und den Rechenaufwand zu reduzieren. […]
Principal Component Analysis (PCA)
Was ist Principal Component Analysis (PCA)? Die Principal Component Analysis (PCA), auf Deutsch auch Hauptkomponentenanalyse genannt, ist ein statistisches Verfahren zur Dimensionsreduktion hochdimensionaler Datensätze. PCA transformiert eine Menge korrelierter Variablen in eine kleinere Anzahl unkorrelierter Variablen – die sogenannten Hauptkomponenten (Principal Components) –, die den größtmöglichen Anteil der ursprünglichen Datenvarianz erhalten. Das Verfahren gehört zu […]