Artificial Intelligence (AI)
Die Theorie und Entwicklung von Computersystemen, die in der Lage sind Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern z.B. visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung von Sprachen.
Machine Learning (ML)
Die Verwendung und Entwicklung von Computersystemen, die lernen und sich anpassen können, ohne explizite Anweisungen zu befolgen.
Sie verwenden Algorithmen und statistische Modelle um Daten zu analysieren und aus Mustern Schlüsse zu ziehen.
z.B. rapid Miner -> Prozess muss selber hergestellt werden
Unterteilt in: Supervised Learning, Unsupervised Learning, Reinforcement Learning
Neuronale Netze (NN)
Verwenden ein Netz von Funktionen, um eine Dateieingabe in einer bestimmten Form zu verstehen und in eine gewünschte Ausgabe zu übersetzen.
NN sind ein Ansatz für Maschinelles lernen.
Deep Learning (DL)
Ist ein Teilbereich von ML, der auf NN basiert.
Es werden mehrere Verarbeitungsebenen verwendet um aus den Daten schrittweise höherwertige Merkmale zu extrahieren.
Ohne NN gäbe es kein DL!
Was ist ein CNN?
Convolutional Neural Networks —> Ein NN das auf Bildverarbeitung spezialisiert ist.
Welche der folgenden Aussagen beschreibt die korrekte Beziehung zwischen Maschine Learning, Deep Learning und Artificial Intelligence?
Welche Elemente gehören zur Grundstruktur eines Neuronalen Netzes? (Richtige “Reihenfolge”)
Nichtlineare Aktivierungsfunktionen:
—> Sigmoid, Tanh, ReLU
Wie sind die Wertebereiche definiert?
Sigmoid —> Werte zwischen 0 und 1
Tanh —> Werte zwischen -1 und 1
ReLU —> positive Werte; Rectified Linear Unit
Welche der Folgenden Aussagen ist Falsch?
Welche Aussage zu convolutional neural networks (CNN) ist falsch?
Was beschreibt den begriff Underfitting?
Eine zu geringe Anpassung an den Datensatz.
Welche Aufgabe hat Padding in Convolutional Neural Networks?
Welche Aussage zu Backpropagation ist falsch?
Was ist Backpropagation
Backpropagation (Rückwärtsdurchlauf)
Hier werden die Gewichte und Werte (Bias) der neuronen mit Hilfe der Verlustfunktion schrittweise angepasst.
Dies ist ein mathem. prozess und wird Gradient Descent genannt.
Gradient bestimmt zsm mit der Lernrate die Anpassung der Gewichte. Dieser Vorgang ist iterativ.
Welche der folgenden Netzwerke gehört nicht zu den architekturen Neuronaler Netzwerke?
“Begrifflichkeiten”
“Cornal Operator” = rechteckiger Filter
“Stride” = Schrittweise, mit der der Filter über das Eingangsbild verschoben wird.
“Zero Padding” = Technik, bei der das Eingangsbild mit zusätzlichen NUllen an den Rändern erweitert wird.
“Pooling” = Größe der Ausgabe eines Convolutional layers wird reduziert (verhindert Overfitting)
—> unterschied zw max pooling und average pooling:
Drei Lernparadigmen:
Supervised Learning:
Modell trainiert mit einem satz von gelabelten Trainingsdaten —> Ausgabe vorhanden
Unsupervised learning:
Modell trainiert mit einem Satz von ungelabelten Trainingsdaten —> keine Ausgaben/Zielwerte vorhanden
Reinforcement Learning:
Modell erhält Feedback in Form von Belohnung/Bestrafung —> versucht so, Gesamtbelohnung zu maximieren (z.B. Schach)
Welche der Aussagen zu den Lerntypen von ML ist falsch?
Welche Aussage zu neuronalen Netzen stimmt nicht?
NN: Das Lernen beim Training erfolgt durch Backpropagation mit Hilfe einer Verlustfunktion.
(Aktuell wichtige)
Architekturen Neuronaler Netzwerke
CNN - Convolutional Neural Networks
RNN - Recurrent Neural Networks
Autoencoder
GAN - Generative Adverserial Networks
Verlustfunktion (Loss/Cost Function)
Zu NN
Erforderlich, um zu quantifizieren, wie weit die Ausgabe des aktuellen Modells von der korrekten Ausgabe entfernt ist.
Ziel im Training ist es, verlustfunktion über alle Trainingsdaten hinweg zu minimieren und die Ausgabe Schrittweise (Gradient Descent, lernrate) so nah wie möglich an den korrekten Wert heranzuführen.
Gängige Verlustfunktionen: Root Mean Squared Error und Cross Entropy
Overfitting
Beschreibt eine zu hohe Anpassung an den Datensatz
—> Sollte immer verhindert werden
Was zeigt das “epoch” im TensorFlow Playground an?
-> siehe gelbes Kreuz
Last changed2 months ago
