Kurs: KI und Nachhaltigkeit | OnCourse UB

  • Lektion 3

    • Lernverfahren und Deep Learning

    • Die Lernverfahren des maschinellen Lernens können in überwachtes Lernen (supervised learning), unüberwachtes Lernen (unsupervised learning) und bestärkendes Lernen (reinforcement learning) unterteilt werden. Sieh dir das folgende Video an, um einen Überblick über diese Varianten zu erhalten.

    • Lernverfahren

      Im folgenden Video wird noch einmal bildlich die verschiedenen Lernverfahren erläutert:

      (Beachten Sie: Mit dem Abspielen des Links werden Sie auf YouTube weitergeleitet, Sie stimmen damit den Datennutzungen dieses Unternehmens zu. Die Nutzung des Links ist freiwillig.)


    • Überblick über die Lernverfahren des maschinellen Lernens Textseite

      Hier nochmal die Inhalte des Videos etwas anders in Textform dargestellt.

    • Supervised- (mit Labels), Unsupervised- (ohne Labels) und Reinforcement-Learning (mit Belohnungssystem)
      Supervised- (mit Labels), Unsupervised- (ohne Labels) und Reinforcement-Learning (mit Belohnungssystem)
      Quelle: In Anlehnung an https://www.theaiops.com/machine-learning-compare-supervised-learning-vs-unsupervised-learning-vs-reinforcement-learning/

    • Vertiefung

      Eine weitere zuletzt populär gewordene Kategorie an Algorithmen aus dem Bereich des maschinellen Lernens sind generative Modelle, die es ermöglichen, sehr komplexe Verteilungen, wie z. B. von Bildern und Text, zu modellieren, sodass von dieser gelernten Verteilung neue Instanzen generiert werden können.

      So können z. B. real aussehende Bilder oder korrekt formulierter Text (siehe z. B. GPT) generiert werden, sodass diese den Verteilungen aus den Trainingsdaten folgen.

    • Künstliche Neuronale Netze (KNN) Buch

      In dieser Lernaktivität erfährst du mehr über künstliche neuronale Netze.

Vorherige Lektion Nach oben Nächste Lektion