Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
| Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung | ||
| de:modul:m245:learningunits:lu02:theorie:01 [2026/01/05 11:59] – [Lernvideo{{ :de:modul:m245:learningunits:lu02:theorie:machine_learning_explained_in_100_seconds.mp4 | Machine Learning in 100 Sekunden }}] 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//. | 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/ | ||
| Wenn wir Tom Michael Mitchells Definition auf ein Dame-Spiel anwenden, bei dem der Computer die beste Gewinnstrategie findet, können wir sagen, dass: | 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**: | + | * **E = Experience/Erfahrung**: |
| - | * **T = Aufgabe**: Die Aufgabe, Dame zu spielen. | + | * **T = Task/Aufgabe**: Die Aufgabe, Dame zu spielen. |
| - | * **P = Wahrscheinlichkeit**: | + | * **P = Probability/ |
| - | ===== Machine Learning | + | ===== 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**: |
| - | * Reinforcement Learning (Verstärkendes Lernen) | + | * **Overfitting**: |
| - | + | * **Underfitting**: Modell versteht gar nichts | |
| - | {{:de: | + | * **Generalisation**: Das eigentliche Ziel |
| ===== Lernvideo ===== | ===== Lernvideo ===== | ||
| + | |||
| + | {{: | ||
| - | {{ :de:modul: | + | ==== Mindmap " |
| + | Brauchbares Basiswissen L: [[https://datasolut.com/ | ||
| + | Mindmap: | ||
| ---- | ---- | ||
| [[https:// | [[https:// | ||