Concept Drift (KI)
Was ist Concept Drift? Concept Drift bezeichnet das Phänomen, bei dem sich die statistische Beziehung zwischen Eingabedaten und Zielgröße eines Machine-Learning-Modells im Laufe der Zeit verändert – ohne dass das Modell selbst angepasst wird. Der Begriff wird auch als Datendrift oder Modellverfall verwendet. Ein Modell, das zum Zeitpunkt seines Trainings präzise Vorhersagen liefert, kann durch […]
Data Drift (KI)
Was ist Data Drift? Data Drift bezeichnet die Veränderung der statistischen Eigenschaften von Eingabedaten über die Zeit – ein Phänomen, das dazu führt, dass ein trainiertes KI-Modell zunehmend schlechtere Vorhersagen liefert, obwohl das Modell selbst unverändert bleibt. Synonyme oder verwandte Begriffe sind Dataset Shift, Covariate Shift oder Input Drift. Der Begriff ist besonders im Bereich […]
Supervised Learning (KI)
Was ist Supervised Learning? Supervised Learning (überwachtes Lernen) ist ein grundlegendes Paradigma des maschinellen Lernens, bei dem ein Modell anhand von beschrifteten Trainingsdaten – sogenannten gelabelten Beispielen – trainiert wird, um Vorhersagen oder Klassifikationen für neue, unbekannte Eingaben zu treffen. Der Begriff „überwacht” bezieht sich darauf, dass jede Trainingsinstanz mit einer vordefinierten korrekten Antwort (dem […]
Overfitting
Was ist Overfitting? Overfitting – auf Deutsch auch als Überanpassung bezeichnet – beschreibt ein Problem beim maschinellen Lernen, bei dem ein Modell die Trainingsdaten so präzise erlernt, dass es auf neuen, unbekannten Daten schlecht generalisiert. Das Modell hat dabei nicht nur die relevanten Muster, sondern auch den Rauschen und die zufälligen Eigenheiten der Trainingsdaten „auswendig […]
Unsupervised Learning
Was ist Unsupervised Learning? Unsupervised Learning (deutsch: unüberwachtes Lernen) ist ein Teilgebiet des maschinellen Lernens, bei dem ein Algorithmus Muster und Strukturen in Datensätzen erkennt, ohne dass die Trainingsdaten mit menschlich vergebenen Labels oder Zielvorgaben versehen sind. Im Gegensatz zu anderen Lernparadigmen erhält das Modell keine vordefinierten Antworten – es entdeckt eigenständig Zusammenhänge, Gruppierungen oder […]
Reinforcement Learning
Was ist Reinforcement Learning? Reinforcement Learning (RL), auf Deutsch auch als bestärkendes Lernen oder verstärkendes Lernen bezeichnet, ist ein Teilgebiet des maschinellen Lernens, bei dem ein KI-Agent durch Interaktion mit einer Umgebung lernt, indem er für bestimmte Aktionen Belohnungen oder Strafen erhält. Im Gegensatz zu anderen Lernansätzen erhält das Modell keine vorgefertigten richtigen Antworten, sondern […]
Semi-Supervised Learning
Was ist Semi-Supervised Learning? Semi-Supervised Learning (auch: halbüberwachtes Lernen) ist ein Ansatz des maschinellen Lernens, bei dem ein Modell sowohl auf einer kleinen Menge gelabelter Daten als auch auf einer großen Menge ungelabelter Daten trainiert wird. Es verbindet damit Elemente des Supervised Learning (überwachtes Lernen) und des Unsupervised Learning (unüberwachtes Lernen). Der Ansatz ist besonders […]
Transfer Learning
Was ist Transfer Learning? Transfer Learning (deutsch: Transferlernen) bezeichnet eine Methode des maschinellen Lernens, bei der ein Modell, das auf einer großen Datenmenge für eine bestimmte Aufgabe trainiert wurde, als Ausgangspunkt für das Training auf einer neuen, verwandten Aufgabe genutzt wird. Statt ein Modell von Grund auf neu zu trainieren, werden bereits erlernte Wissensstrukturen – […]
Self-Supervised Learning
Was ist Self-Supervised Learning? Self-Supervised Learning (SSL), auf Deutsch selbstüberwachtes Lernen, ist ein maschinelles Lernverfahren, bei dem ein Modell Trainingssignale direkt aus den Eingabedaten selbst erzeugt – ohne dass menschlich annotierte Labels erforderlich sind. Das Verfahren liegt konzeptuell zwischen Supervised Learning (überwachtem Lernen) und Unsupervised Learning (unüberwachtem Lernen): Es nutzt die innere Struktur der Daten, […]
Embedding Space (Vektorraum)
Was ist ein Embedding Space? Ein Embedding Space, auch Vektorraum genannt, ist ein mathematischer Raum, in dem Inhalte wie Wörter, Texte oder Bilder als numerische Vektoren dargestellt werden. In Systemen der Künstlichen Intelligenz (KI) und in Large Language Models (LLMs) bildet der Embedding Space die Grundlage für semantische Vergleiche. Wie funktioniert ein Embedding Space? […]