Was ist Machine Learning?
Algorithmen lernen Muster aus Daten und treffen Vorhersagen, ohne explizit programmiert zu sein.
Welche Hauptarten des ML gibt es?
Überwachtes, unüberwachtes, bestärkendes, semi- und selbst-überwachtes Lernen.
Was ist überwachtes Lernen?
Lernen mit bekannten Eingaben und Zielwerten (Labels).
Was ist unüberwachtes Lernen?
Erkennt Muster und Strukturen in unbeschrifteten Daten.
Was ist bestärkendes Lernen?
Lernen durch Belohnung und Bestrafung – z. B. bei Spielen oder Robotik.
Was ist Klassifikation?
Zuordnung zu Kategorien, z. B. Spam/Nicht-Spam.
Was ist Regression?
Vorhersage kontinuierlicher Werte, z. B. Preis, Temperatur.
Was ist Clustering?
Gruppierung ähnlicher Datenpunkte ohne Labels (z. B. DBSCAN).
Was ist PCA?
Reduktion der Daten auf wichtigste Dimensionen (Hauptkomponenten).
Was ist Anomalieerkennung?
Erkennt ungewöhnliche Datenpunkte außerhalb des Normalverhaltens.
Was ist Gradient Boosting?
Kombination vieler schwacher Modelle (Bäume) zu einem starken Ensemble.
Nenne Beispiele für GBM-Frameworks.
XGBoost, LightGBM, CatBoost.
Was ist Deep Learning?
ML mit neuronalen Netzen, die automatisch Merkmale lernen.
Was ist ein neuronales Netz?
Schichten aus Neuronen mit gewichteten Verbindungen; lernt durch Fehlerkorrektur (Backpropagation).
Was ist ein CNN?
Netz für Bilderkennung – erkennt räumliche Muster (z. B. Objekte, Gesichter).
Was ist ein RNN?
Netz für Sequenzen (z. B. Sprache, Zeitreihen); merkt sich frühere Zustände.
Was ist ein Transformer?
Netz mit Attention-Mechanismus; verarbeitet Sequenzen parallel (z. B. ChatGPT).
Was sind generative Modelle?
Modelle, die neue Daten erzeugen – z. B. GAN, VAE, Stable Diffusion.
Wie funktioniert ein GAN?
Generator erstellt Daten, Diskriminator bewertet sie – beide verbessern sich gegenseitig.
Was unterscheidet ML und DL?
ML nutzt oft handgefertigte Merkmale; DL lernt Merkmale automatisch aus Daten.
Last changed2 months ago