Abstract
ZusammenfassungIm vorigen Kapitel wurde das Thema Daten aus verschiedenen Perspektiven behandelt und erörtert. Nun geht es um die Frage, wie ein KI-System Daten verarbeitet. Hierfür werden zunächst die unterschiedlichen Trainingsmethoden vorgestellt: überwachtes Lernen (3.2), unüberwachtes Lernen (3.3) sowie bestärkendes Lernen (3.4). Es folgt die Einführung künstlicher neuronaler Netze (3.5), deren Entwicklung momentan rasant voranschreitet. Die beiden folgenden Abschnitte befassen sich mit den Verfahren Support Vector Machine (3.6) sowie lineare und logistische Regression (3.7). Das angeeignete Wissen kann in einer Übung reflektiert (3.8) und im eigenen Anwendungsfall eingesetzt werden (3.9).
Publisher
Springer Fachmedien Wiesbaden
Reference5 articles.
1. Buxmann, P., & Schmidt, H. (2019). Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens. In P. Buxmann & H. Schmidt (Hrsg.), Künstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (S. 3–19). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-57568-0_1.
2. Ertel, W. (2016). Grundkurs Künstliche Intelligenz. Eine praxisorientierte Einführung (4. Aufl.). Springer Vieweg.
3. Kreutzer, R. T., & Sirrenberg, M. (2019). Künstliche Intelligenz verstehen. Grundlagen – Use-Cases – Unternehmenseigene KI-Journey (R. T. Kreutzer & M. Sirrenberg, Hrsg.). Springer Fachmedien. https://doi.org/10.1007/978-3-658-25561-9_1.
4. Russell, S., & Norvig, P. (2012). Künstliche Intelligenz (Bd. 2). Pearson Studium.
5. Seegerer, S., Michaeli, T., & Romeike, R. (2020). So lernen Maschinen! LOG IN 193/194, S. 27–31.