Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- de:modul:m245:learningunits:lu02:theorie:01 [2026/01/05 11:51] – vdemir
+++ de:modul:m245:learningunits:lu02:theorie:01 [2026/04/13 14:36] (aktuell) – vdemir
@@ Zeile 13: / Zeile 13: @@
 Tom Michael Mitchell ist Professor an der Carnegie Mellon University, wo er als //Founders University Professor// im Fachbereich Maschinelles Lernen tätig ist und **Leiter des Fachbereichs Maschinelles Lernen** ist. Er ist vor allem für seine Beiträge auf den Gebieten des maschinellen Lernens und der künstlichen Intelligenz bekannt. Er hat mehrere einflussreiche Bücher zu diesen Themen verfasst, darunter //Machine Learning// und //The Discipline of Machine Learning//.
-*** Übersetzt mit www.DeepL.com/Translator (kostenlose Version) ***
 Wenn wir Tom Michael Mitchells Definition auf ein Dame-Spiel anwenden, bei dem der Computer die beste Gewinnstrategie findet, können wir sagen, dass:
-  * **E = Erfahrung**: Die Erfahrung, dass das Programm selbst Zehntausende von Spielen gespielt hat.
+  * **E = Experience/Erfahrung**: Die Erfahrung, dass das Programm selbst Zehntausende von Spielen gespielt hat.
-  * **T = Aufgabe**: Die Aufgabe, Dame zu spielen.
+  * **T = Task/Aufgabe**: Die Aufgabe, Dame zu spielen.
-  * **P = Wahrscheinlichkeit**: Die Wahrscheinlichkeit, dass das nächste Dame-Spiel gegen einen neuen Gegner gewonnen wird.
+  * **P = Probability/Wahrscheinlichkeit**: Die Wahrscheinlichkeit, dass das nächste Dame-Spiel gegen einen neuen Gegner gewonnen wird.
-===== Machine Learning Algorithmen-Typen =====
+===== Wichtiges Vokabular im Zusammenhang mit Machine Learning  =====
-Es gibt grundsätzlich drei Arten von Algorithmen im Bereich des maschinellen Lernens:
+Bevor wir tiefer in die Materie tauchen, sollten einige Begrifflichkeiten geklärt werden.
-  * **Supervided Learning (Überwachtes Lernen(** (Schwerpunkt im Kurs M245)
+  * **Trainingsdaten**: Daraus lernt das Modell
-  * Unsupervided Learning (Unüberwachtes Lernen)
+  * **Testdaten**: Damit prueft man, ob es wirklich gelernt hat
-  * Reinforcement Learning (Verstärkendes Lernen)
+  * **Overfitting**: Modell lernt auswendig, versteht aber nichts
+  * **Underfitting**: Modell versteht gar nichts
+  * **Generalisation**: Das eigentliche Ziel
-{{:de:modul:m245:learningunits:lu02:theorie:machine_learning_types.png?800|}}
+===== Lernvideo =====
+{{:de:modul:m245:learningunits:lu02:theorie:was_ist_machine_learning_maschinelles_lernen_einfach_erklaert.mp4|Was ist "superviced learning"?}}
+==== Mindmap "Machine Learing" ====
+Brauchbares Basiswissen L: [[https://datasolut.com/was-ist-machine-learning/|ML-Grundlagen]]
+Mindmap:   - Nummerierter Listenpunkt{{:de:modul:m245:learningunits:lu02:theorie:maschinelles-lernen.png?600|Quelle: https://datasolut.com/wp-content/uploads/2020/03/maschinelles-lernen.jpg.webp}}
 ----
 [[https://creativecommons.org/licenses/by-nc-sa/4.0/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] Volkan Demir