AI Cadet

Die Begriffe sind überall, die Bedeutungen verrutschen dabei gern: Was maschinelles Lernen von klassischer Programmierung trennt, was eigentlich ein Modell ist und warum Trainings- und Testdaten getrennt bleiben müssen. Diese und andere Fragestellungen zum Thema KI prüft dieser Test, ohne Mathematik und ohne Werkzeugpraxis.

Am Ende steht die Auswertung nach Themenfeldern: wo die Lücken liegen, zu jeder falsch beantworteten Frage die richtige Antwort samt Begründung und Artikelempfehlungen zu den aufgedeckten Schwächen.

Vor dem Start stehen fünf anonyme Angaben zu Geschlecht, Alter, Bildungsabschluss, Branche und Tätigkeit, dann laufen 20 Minuten für 20 Fragen.

Leseliste

Diese Artikel decken die Themen des Tests ab.

Maschinelles Lernen - Begriff und Abgrenzung Eine kurze Einführung in den Begriff des maschinellen Lernens, eine Abgrenzung zu verwandten Disziplinen und die Unterschiede solcher Verfahren zur herkömmlichen Erstellung von Computerprogrammen.

Was ist ein Machine-Learning-Modell? Der Begriff Modell bezeichnet im maschinellen Lernen das Ergebnis eines Trainingsprozesses. Dieser Artikel erklärt, was dabei entsteht, was in einer Modelldatei steckt und warum manche Modelle Milliarden von Parametern haben.

Übersicht über maschinelle Lernverfahren Eine Übersicht über die drei Hauptkategorien des maschinellen Lernens: überwachtes, unüberwachtes und verstärkendes Lernen.

Supervised Learning - Entwicklungslinien Die Entwicklung des überwachten Lernens zeigt, wie Daten, Rechenleistung, Modellarchitekturen und konkrete Anwendungen zusammenwirkten. Aus frühen Klassifikatoren entstanden produktive Systeme für Dokumente, Spam-Erkennung, Empfehlungen, Bildverarbeitung und später Sprachmodelle.

Evaluierung und Optimierung von ML-Modellen Systematische Bewertung und Optimierung maschineller Lernverfahren verbindet Metriken, Validierungsstrategien, Schwellenwertwahl, Kalibrierung und Monitoring. Gute Evaluierung übersetzt Modellleistung, Kosten, Risiken und Einsatzbedingungen in überprüfbare Entscheidungen.

Einführung in Deep Learning Ein Überblick über Deep Learning als Teilgebiet des maschinellen Lernens: tiefe neuronale Netze, Repräsentationslernen, Training, wichtige Architekturen und heutige Grenzen.