KI

Es gibt keine einheitliche Definition.

Ziel der KI ist es, das sich Maschinen so verhalten als verfügen sie über Intelligenz.

Es soll also möglich sein, dass Maschinen Dinge tun können die Menschen Momentan noch besser können.

Spracherkennung —> Alexa

Gesichtserkennung —> Iphone

Fingererkennung —> Smartphone

Übersetzer —> DeepL

Autonomes Fahren —> Tesla

Ansatz der klassischen Symbolverarbeitung

KI mit maschinellem Lernen

Es werden einem Computer und einem Menschen 15 Minuten lang die selben Fragen gestellt ohne zu wissen wer ein Mensch und wer der Computer ist.

Sollte die Person, die die Fragen stellt auch nach 15 Minuten nicht sagen können welche der beiden der Computer ist, hat der Computer gewonnen.

Datenschutz und Ethik.

Beispiel Ethik:

Selbsfahrendes Auto es kommt zu einem Unfall mit todesfolge.

Welche Person hat den Tod verdient? Junge menschen oder alte menschen? Die die etwas falsch gemacht haben oder diejenigen die nichts falsch gemacht haben?

Beispiel Datenschutz:

In China wird alles in einem Social Scoring Modell zusammengefasst. Straftaten hoch = Jobchancen niedrig , ansehen niedrig

Quantoren:

Allquantor —> Gilt für alle

Existenzquantor —> Es gibt

Funktionen / Eingetschaften:

Beispiel: ist schlau, Vater von, Studiert in, Wohnt in

Konstante:

Beispiel: a,b,1,2, Hannover, “Name”

Variablen:

Beispiel: x,y,z

Die Breitensuche gehört zu der Uninformierten Suche Bzw. der blinden Suche.

Es wird jeder Knoten in seiner Ebene durchsucht. Sollte ein Knoten komplett durchsucht sein, ist der nächste dran (im Uhrzeigersinn).

Die suche terminiert, sobald ein Zielknoten gefunden wurde.

Die Tiefensuche gehört wie die breitensuche zur Uninformierten bzw. blinden suche

Ein knoten wird so weit in die Tiefe expandiert, bis keine weitere Expansion mehr möglich ist. Dann wird zum vorherigen Knoten gesprungen, bei dem noch weitere Expansionen möglich sind, und weiter expandiert.

Die Suche terminiert, sobald ein Zielknoten gefunden wurde.

Die heuristische Suche bezieht Zusatzinformationen hinzu um Suchaufwände zu veringern.

Knoten bekommen so eine Gewichtung.

Methoden die mit einer heuristischen Suche Arbeiten sind:

A*

Hillclimbing

Bestensuche

Bei dieser Suche werden die schlechtesten bewerteten Knoten eliminiert und die Knoten die am besten bewertet sind, werden expandiert.

CRISP-DM = Corss Inudstry Standard Process for Data Mining

• Vorgehen basiert auf den Best Practices

• Agiles Vorgehen

• Weit verbreitet

Phasen:

1. Business unterstanding

2. Data understandin

3. Data preparation

4. Modeling

5. Evaluation

6. Deployment

KDD = Knowledge Discovery in Database

- Beschäftigt sich mit dem Erkennen von Mustern in Datenmengen

• Datengetriebenes Modell

• Eher in Phasen als agil

• Weniger verbreitet

Phasen:

1. Bereitstellung

2. Definition

3. Datenauswahl

4. Datenbereinigung

5. Datenreduktion

6. Auswahl des Modells

7. Data Mining

8. Interpretation

Das unüberwachte lernen bschäftigt sich damit, aus Daten muster zu erkennen, die voher noch unbekannt waren.

Es sollen also autonom Muster generiert werden, die dann manuell bewertet werden

Nur Inputdaten sind gegeben

Beim überwachten lernen geht es darum aus vorhandenen Daten ein Zielmerkmal zu erlernen, um zukünftige Muster in unbekannten Daten genau hervorsagen zu können

Beispiel Bild mit Tieren—> Trainiert wurde mit Hund & Katzen Bilder —> Einteilung erfolgt

Bild von Maus —> Unbekannte Daten

Autonomes Fahren ca. 2009

Schachmeister besiegt 1997

Touring Test 1950

ChatGPT 2022 aktuell

Die Aussagen- und Prädikatenlogik ist ein Zweig der formalen Logik und untersucht die Beziehungen zwischen Aussagen und deren Aussagenverbindungen.

Aussagenlogit nutzt nur Junktoren und Wahreitswerte

Prädikatenlogik nutzt zusätzlich quantoren, funktionen, eigentschaften, variablen

Sind regelbasierte wissenssysteme

Dadurch Ableitungen von Handlungsempfehlungen möglich ( Wenn-Dann-Beziehung)

Wenn -Dann = Vorwärtsverkettung

Hypothese aufstellen, unbekanntes untersuchen = Rückwärtsverkettung

Das maschinelle lernen beschreibt die künstliche generierung von wissen aus Erfahrungen.

Wird unterteilt in überwachteslernen, unüberwachteslernen

k-means

assoziationsanalyse

KNN

Decision Trees

Random Forrest

Gradient Boosted Trees

Naive Bayes

SVM

Logistische Regression

Ist eine Clustering Methode. Verwendet die dazu die Mittelpunkte der Cluster.

Ziel ist es die Abstände im Cluster klein zu haben und der Abstand zwischen den Clustern groß.

Iteratives Vorgehen.

1. Festlegung von k (den Anzahl der Clustern)

2. Wahl von k zufälligen Cluster Zentren

3. Zuordnung der Punkte zu einem Cluster

   1. Punkte werden zu dem nähesten Cluster zugeordnet

4. Interative Neuausrichtung der Zentren. Beispielweise wahl durch Mittelwert

5. Wird solange gemacht bis keine Verbesserung mehr eintritt

Vorteile: Einfache Implementierung

Nachteil: Anzahl von K muss vorher festgelegt werden

Laufzeit ist abhänging von der Zerlegung

Ist eine Mehtode zur Gruppierung von Objekten in Clustern.

Gibt zwei Hauptverfahren = Agglomeratives und Divisive Clusterung

Agglomeratives Clustering beginnt mit jedem Objekt als eingenes Cluster und führ dann iterativ benachbarte Cluster zusammen.

Divisive Clustering beginnt mit allen Objekten in einem einzigen Cluster und teilt diese dann iterativ in kleinere Cluster auf bis jeder Cluster nur noch ein einziges Objekt enthält

Single Link —> Geringste Distanz zwischen zwei Objekten wird verwendet

Complete Link —> Die größte Distanz wischen zwei Objekten wird verwendet

Avarage Link —> Das arithmetische Mittel aller Distanzen zwischen den Objekten wird verwendet

Assoziationsanalyse erkennt Zusammenhängen und Ab- hängigkeiten von Attributen. Dabei steht dieIdentifikation von Regelmäßigkeiten im Mittelpunkt.

Nutzung: Warenkorbanalyse

Wer Bier kauft, kauft auch einen Apfel in 9 von 10 fällen

Methoden sind Apriori und Frequent Pattern Growth

K-Nearest Neighbor

Ist ein Algorithmus zur Vorhersage auf Grundlage benachbarter Datensätze.

Das K steht hierbei für die Anzahl der nächsten Nachbarn.

Es wird also ein neuer Unbekannter Punkt betrachtet und zugeordet.

Anwendung: Text mining, Wettervorhersagen

Ablauf:

1. Wert für K wählen

2. Distanzen zwischen den Daten berechnen

3. Benachbarte Punkte k berücksichtigen und anhand der Mehrheit zuweisen

4. Vorhergesagte Klasse ausgeben

Welche K eignet sich?

Werte sind abhängig von den Anzahl der Clustern. Beispiel ich habe 2 Cluster, dann sollte k eher Ungrade sein.

Wleche Strategie eignet sich um Fehlklassifizierung zu entgehen?

Datenseätze in zwei Datensätze aufteilen (Test/Train)

somit verringern wir die Fehlkassifizierung

Welche Distanz?

·      Euklidische Distanz

·      Hamming Distanz

·      Manhattan Distanz (City Block)

·      Minkowski

·      Chebychev Distanz

Daten müssen ggf. bereinigt werden, ausreiser angepasst werden

Vorteile: Leichte Implementierung, Gut anwendbar, bei wenig wissen über die Daten

Nachteile: rechenaufwändig

Die ungewissheit. Beispiel einem gezinkten Würfel ist die entropie geringer. Normal ist 1

Darstellung von Entscheidungsregeln verwendet. Der Algorithmus leitet auf Grundlage der Trainingsdaten autonom Entscheidungsregeln ab, die zur Klassifikation neuer Objekte dienen.

• Das Attribut mit dem höchsten Informationsgewinn wird als Wurzel ausgewählt.

• Es werden hierarchische Regeln in Form von Entscheidungen aus den Trainingsdaten generiert.

• Vorhersagen können anhand der Regeln mit Hilfe der Testdaten validiert werden.

Random Forest ist ein Machine-Learning- Verfahren, welches auf dem Prinzip von Entscheidungsbäumen aufbaut und zusätzliche Zufallskomponenten beinhaltet. Random Forest gehört zu den Ensemble Methoden.

• Kann zur Regression und zur Klassifikation genutzt werden

• Basiert auf Entscheidungsbäumen 

• Basieren auf den “Daten” von mehreren Entscheidungsbäumen

Naïve Bayes ist ein wahrscheinlichkeitsbasiertes Klassifikationsverfahren. Dieses basiert auf der Bayesschen Formel, die mit Berechnungen bedingter Wahrscheinlichkeiten arbeitet.

Ziel: Vorhersage der wahrscheinlichsten Klasse

Keine Training des Modells, Vorhersage findet direkt aus den Trainingsdaten statt

Annahme: Alle Attribute sind voneinander unabhängig

Eine Support Vector Machine, kurz SVM, ist ein Klassifizierungsalgorithmus, welcher einen Datensatz durch den Aufbau einer Hyperebene trennt und damit klassifiziert. Er ist in die Kategorie der überwachten Lernalgorithmen einzuordnen, da er die Hyperebene auf Basis von Trainingsdaten modelliert.

Ziel ist es, eine optimale Hyperebene zu kreieren. Der zwei Klassen separiert.

Die Hyperebene ist eine Linie in einem 2-dimensionalen Bereich. 3D = Ebene.

Wollen also die größte Margin wie möglich erzielen.

Optimierung durch Anpassung des Margins

Bei 2D kann der Kernal Trick angewendet werden. So wird es 3D und kann dann getrennt werden.