Modul 1
Zusammenfassung
Geprüft am 20.11.2026
KI
Oberbegriff für Systeme, die Denkaufgaben übernehmen – auch regelbasiert.
Maschinelles Lernen
Regeln werden aus Beispielen gelernt statt programmiert.
Deep Learning
ML mit vielschichtigen neuronalen Netzen; stark bei Bild, Ton, Text.
Generative KI
Erzeugt neue Inhalte; beruht auf selbstüberwacht trainierten Basismodellen.
Daten
Beispiele (Zeilen), Merkmale (Spalten), Label (Zielgröße).
Training
Parameter anpassen, bis der Fehler klein ist; Hyperparameter gibt der Mensch vor.
Aufteilung
Training, Validierung, Test – Testdaten bleiben verschlossen.
Regression / Klassifikation
Zahl vorhersagen / Kategorie vorhersagen.
Lernarten
Überwacht (Labels), unüberwacht (ohne Labels), bestärkend (Belohnung), selbstüberwacht.
Einsatz
Inferenz als Batch, Echtzeit oder Edge; Überwachung gegen Drift.
Glossar Modul 1
| Begriff | Erklärung |
|---|---|
| Agent | Handelndes System beim bestärkenden Lernen |
| Data Leakage | Informationen aus Test- oder Zukunftsdaten gelangen ins Training |
| Drift | Daten oder Zusammenhänge ändern sich nach dem Training |
| Foundation Model | Großes, breit vortrainiertes Basismodell |
| Hyperparameter | Vor dem Training festgelegte Einstellung |
| Inferenz | Anwenden des fertigen Modells auf neue Daten |
| Label | Bekannte richtige Antwort eines Trainingsbeispiels |
| Merkmal (Feature) | Eingabeinformation eines Beispiels |
| Overfitting | Auswendiglernen statt Verallgemeinern |
| Parameter | Vom Modell gelernte Stellschraube |
| Policy | Gelernte Handlungsstrategie eines Agenten |
Weiter mit Modul 2: Umgang mit Daten – Datenbanken, SQL, Datenqualität, Statistik und Datenschutz.
Hinweise für Lehrende
Reihum erklärt jede Person eine Karte in einem Satz. Ausblick auf Modul 2: Ohne gute Daten kein gutes Modell.