FLBK-Wiki - Benutzerbeiträge [de]

Maschinelles lernen

2025-03-31T09:35:39Z

Infonutzer:

= Maschinelles Lernen (Machine Learning) =

Maschinelles Lernen (ML) ist ein Teilbereich der [[Künstliche Intelligenz]] (KI), der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.

== Grundlagen ==

* '''Daten''': ML-Algorithmen benötigen große Mengen an Daten, um Muster und Zusammenhänge zu erkennen.
* '''Algorithmen''': Es gibt verschiedene ML-Algorithmen, die für unterschiedliche Aufgaben geeignet sind.
* '''Training''': Der Prozess, bei dem ein ML-Algorithmus aus Daten lernt.
* '''Modell''': Das Ergebnis des Trainingsprozesses, das zur Vorhersage oder Entscheidungsfindung verwendet werden kann.

== Arten des maschinellen Lernens ==

* '''Überwachtes Lernen (Supervised Learning)''': Der Algorithmus lernt aus gelabelten Daten, d.h. Daten, denen bereits die korrekten Ausgaben zugeordnet sind.
* '''Unüberwachtes Lernen (Unsupervised Learning)''': Der Algorithmus lernt aus ungelabelten Daten und versucht, selbstständig Muster und Strukturen zu erkennen.
* '''Bestärkendes Lernen (Reinforcement Learning)''': Der Algorithmus lernt durch Interaktion mit einer Umgebung und erhält Belohnungen oder Strafen für seine Aktionen.

== Probleme ==
Es gibt vielfältige Arten / Kategorien von Probleme die mit Hilfe von KI gelöst werden können, die häufigsten Kategorien sind:

* '''Klassifikation'''
: Hierbei geht es darum, Objekte oder Daten in vordefinierte Kategorien zu klassifizieren.

* '''Regression'''
: Hierbei geht es um die Vorhersage von numerischen Werten auf der Grundlage von Daten.

* '''Clustering'''
: Hierbei geht es darum, ähnliche Objekte oder Daten in Gruppen oder Cluster zu gruppieren.

== Anwendungsbereiche ==

* **Bilderkennung**: Erkennung von Objekten in Bildern (z.B. Gesichtserkennung, Objekterkennung in der Industrie).
* **Spracherkennung**: Umwandlung von gesprochener Sprache in Text (z.B. Sprachassistenten).
* **Textverarbeitung**: Analyse und Verarbeitung von Textdaten (z.B. Spam-Filter, Sentiment-Analyse).
* **Empfehlungssysteme**: Vorhersage von Nutzerpräferenzen (z.B. Produktempfehlungen in Online-Shops).
* **Automatisierung**: Automatisierung von Prozessen in der Industrie und im Alltag (z.B. autonome Fahrzeuge, Robotik).

== Algorithmen ==

* **Lineare Regression**: Vorhersage von kontinuierlichen Werten.
* **Logistische Regression**: Vorhersage von Kategorien.
* **Entscheidungsbäume**: Entscheidungsfindung basierend auf Regeln.
* **Neuronale Netze**: Komplexe Algorithmen, die von der Funktionsweise des menschlichen Gehirns inspiriert sind.
* **Support Vector Machines (SVM)**: Algorithmen zur Klassifizierung und Regression.
* **K-Means-Clustering**: Algorithmus zur Gruppierung von Datenpunkten.

== Herausforderungen und ethische Aspekte ==

* **Datenqualität**: ML-Modelle sind nur so gut wie die Daten, mit denen sie trainiert werden.
* **Bias**: ML-Modelle können Vorurteile aus den Trainingsdaten übernehmen.
* **Erklärbarkeit**: Es ist oft schwierig zu verstehen, wie ein ML-Modell zu einer bestimmten Entscheidung gekommen ist.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten erfordert besondere Sorgfalt.

== Weblinks ==

* [https://de.wikipedia.org/wiki/Maschinelles_Lernen Wikipedia-Artikel über maschinelles Lernen]
* [https://developers.google.com/machine-learning/crash-course Google Machine Learning Crash Course]
* [https://scikit-learn.org/stable/ Scikit-learn Dokumentation]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:53:45Z

Infonutzer:

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

*'''[[Algorithmus|Algorithmen]]''': KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
*'''Daten''': KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
*'''[[Maschinelles lernen]]''': Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
*'''Neuronale Netze''': Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

*'''Schwache KI (Narrow AI)''': KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
*'''Starke KI (General AI)''': KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:50:37Z

Infonutzer:

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

* **[[Algorithmus|Algorithmen]]*: KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
* **Daten**: KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
* **[[Maschinelles lernen]]**: Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
* **Neuronale Netze**: Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

* **Schwache KI (Narrow AI)**: KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
* **Starke KI (General AI)**: KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Algorithmus

2025-03-31T08:47:56Z

Infonutzer:

= Algorithmen =

Ein '''Algorithmus''' ist in der Informatik ein genau beschriebenes Verfahren zur Lösung eines gegebenen Problems. Ein '''Programm''' stellt die Übersetzung eines Algorithmus in eine vom Computer begreifbare und ausführbare Folge von Befehlen dar, an dessen Ende die Lösung eines Problems ausgegeben wird.

Problem --> Algorithmus --> Programm

Somit ist ein Algorithmus universeller als eine konkrete Implementierung.

== Einführung ==

Zwei oft zu bewältigende Probleme in der Informatik sind das Suchen und das Sortieren von Objekten. Allerdings sind Algorithmen für Computer heute so vielfältig wie die Anwendungen, die sie ermöglichen sollen. Vom elektronischen Steuergerät für den Einsatz in KFZ über die Rechtschreib- und Satzbau-Kontrolle in einer Textverarbeitung bis hin zur Analyse von Aktienmärkten finden sich tausende von mehr oder minder tauglich arbeitenden Algorithmen.

Die Lösung komplexer Probleme sollte zuvor designed werden. Hierzu können Algorithmen vor der eigentlichen Programmierung in Ablaufplänen z.B. durch Modelle der UML oder Struktogramme visualisiert werden. Algorithmen werden in der Programmierung durch Kontrollstrukturen oder Rekursion implementiert.
[[Datei:Übersicht Algorithmus.png|mini]]

== Eigenschaften ==

Ein Algorithmus in der Informatik ist die Beschreibung eines Verfahrens, um aus gewissen Eingabegrößen bestimmte Ausgabegrößen zu bestimmen. Hierfür müssen folgende Bedingungen erfüllt sein:

=== Spezifikation ===

Für Algorithmen werden Schnittstellenspezifikationen benötigt. Sie regeln die Ein- und Ausgabe des Algorithmus. In der Java Programmierung werden Algorithmen mit Methoden realisiert. Die Schnittstelle der Methoden muss in der so genannten Signatur beschrieben werden.

==== Eingabespezifikation ====

Es muss genau spezifiziert sein, welche Eingabegrößen erforderlich sind und welche Anforderungen diesen Größen genügen müssen, damit das Verfahren funktioniert. In der Java Programmierung wird die Eingabespezifikation durch so genannte Eingabeparameter definiert.

==== Ausgabespezifikation ====

Es muss genau spezifiziert sein, welche Ausgabegrößen (Resultate) mit welchen Eigenschaften bestimmt werden. In der Java Programmierung wird die Ausgabespezifikation durch den so genannten Ausgabeparameter definiert.

=== Durchführbarkeit ===

==== Endliche Beschreibung ====

Das Verfahren muss mit einem endlichen Text beschrieben werden.

==== Effektivität ====

Jeder Schritt des Verfahrens muss tatsächlich durchführbar sein.

==== Determinismus und Determiniertheit ====

Wenn der Ablauf zu jedem Zeitpunkt fest vorgeschrieben ist, ist der Algorithmus deterministisch (Determinismus). Für zwei gleiche Eingabegrößen werden jedesmal exakt die gleichen Rechenschritt in der identischen Reihenfolge durchlaufen. Jeder deterministische Algorithmus ist auch determiniert (Determiniertheit). Der Algorithmus ist determiniert, wenn dieser stets für die gleiche Eingabegröße die gleiche Ausgabegröße liefert! Aber ein determinierter Algorithmus, muss nicht deterministisch sein. Denn determinierte Algorithmen können für gleiche Eingabegrößen jedes Mal auf unterschiedlichen Wegen zum Ziel kommen; liefern aber jedes Mal das gleiche Ergebnis!

=== Korrektheit ===

==== Partielle Korrektheit ====

Jedes ermittelte Ergebnis genügt der Ausgabespezifikation, sofern die Eingaben der Eingabespezifikation genügen.

==== Terminierung ====

Der Algorithmus hält nach endlichen vielen Schritten an, sofern die Eingabe der Eingabespezifikation genügen.

=== Effizienz ===

Außerdem sollte der Algorithmus effizient arbeiten. D.h. er sollte nicht zu viel Rechenleistung des Prozessors binden, um die Ausführungszeit nicht unnötig zu verlängern. Dies wird vermieden indem zur Laufzeit eine möglichst minimale Anzahl an Befehlen abgearbeitet werden muss, um das gegebene Problem zu lösen.

==== Laufzeit ====

Die Anzahl der Schritte, die ein Algorithmus benötigt, wird als die Laufzeit des Algorithmus bezeichnet. Der Begriff Schritt bezieht sich auf das zugrunde gelegte Maschinenmodell. Die Maschine (der Computer) muss in der Lage sein, einen einzelnen Schritt in konstanter Zeit auszuführen. Die Laufzeit hängt im allgemeinen von der Eingabe ab, insbesondere von der Länge der Eingabe, die auch als Problemgröße bezeichnet wird.

Beispiel: Die Laufzeit eines Sortieralgorithmus ist umso größer, je mehr Elemente zu sortieren sind.
Soll eine Liste von fünf Zahlen sortiert werden, so ist die Problemgröße n=5.

Bei einer vorsortierten Eingabefolge benötigt der Algorithmus möglicherweise weniger Schritte als bei einer unsortierten Eingabefolge gleicher Länge. Eine vorsortierte Liste stellt das Best Case Szenario dar. Also den günstigsten Fall für das gegebene Problem (hier das Sortieren von Zahlen). Eine sortierte Liste in umgekehrter Reihenfolge stellt das Worst Case Szenario dar. Hier ist der Aufwand am größten die Liste umzusortieren.

Um den Algorithmus unabhängig von der konkreten Eingabe bewerten zu können, betrachtet man die Zeitkomplexität in der so genannten Laufzeitanalyse.

== Beispiel ==

Das folgende Beispiel zeigt einen Algorithmus in der Programmiersprache Java der z.B. Bücher in einem Regal sortiert:

<syntaxhighlight lang="Java" line>
// Sortieren durch Vertauschen unmittelbarer Nachbarn

// beim ersten Durchgang "perlt" die größte Zahl nach hinten, so dass

// spätere Durtchgänge immer ein Element früher enden können und so

// der sortierte Teil von hinten nach vorne wächst
int durchgang, stelle;
for (durchgang=1; durchgang<reihung.length; durchgang++){

// Es werden alle zu durchsuchenden Elemente Schritt für Schritt durchlaufen
for (stelle=0; stelle<reihung.length-durchgang; stelle++){
// Durchgänge beginnen immer bei 0, enden aber immer früher
if (reihung[stelle] > reihung[stelle+1]){
// Nachbarn in falscher Reihenfolge werden vertauscht
tausche (stelle, stelle+1);
}
}
}
</syntaxhighlight>

Datei:Übersicht Algorithmus.png

2025-03-31T08:47:42Z

Infonutzer:

Darstellung von Zusammenhängen des Algorithmus-Begriffs

Algorithmus

2025-03-31T08:45:50Z

Infonutzer:

= Algorithmen =

Ein '''Algorithmus''' ist in der Informatik ein genau beschriebenes Verfahren zur Lösung eines gegebenen Problems. Ein '''Programm''' stellt die Übersetzung eines Algorithmus in eine vom Computer begreifbare und ausführbare Folge von Befehlen dar, an dessen Ende die Lösung eines Problems ausgegeben wird.

Problem --> Algorithmus --> Programm

Somit ist ein Algorithmus universeller als eine konkrete Implementierung.

== Einführung ==

Zwei oft zu bewältigende Probleme in der Informatik sind das Suchen und das Sortieren von Objekten. Allerdings sind Algorithmen für Computer heute so vielfältig wie die Anwendungen, die sie ermöglichen sollen. Vom elektronischen Steuergerät für den Einsatz in KFZ über die Rechtschreib- und Satzbau-Kontrolle in einer Textverarbeitung bis hin zur Analyse von Aktienmärkten finden sich tausende von mehr oder minder tauglich arbeitenden Algorithmen.

Die Lösung komplexer Probleme sollte zuvor designed werden. Hierzu können Algorithmen vor der eigentlichen Programmierung in Ablaufplänen z.B. durch Modelle der UML oder Struktogramme visualisiert werden. Algorithmen werden in der Programmierung durch Kontrollstrukturen oder Rekursion implementiert.

== Eigenschaften ==

Ein Algorithmus in der Informatik ist die Beschreibung eines Verfahrens, um aus gewissen Eingabegrößen bestimmte Ausgabegrößen zu bestimmen. Hierfür müssen folgende Bedingungen erfüllt sein:

=== Spezifikation ===

Für Algorithmen werden Schnittstellenspezifikationen benötigt. Sie regeln die Ein- und Ausgabe des Algorithmus. In der Java Programmierung werden Algorithmen mit Methoden realisiert. Die Schnittstelle der Methoden muss in der so genannten Signatur beschrieben werden.

==== Eingabespezifikation ====

Es muss genau spezifiziert sein, welche Eingabegrößen erforderlich sind und welche Anforderungen diesen Größen genügen müssen, damit das Verfahren funktioniert. In der Java Programmierung wird die Eingabespezifikation durch so genannte Eingabeparameter definiert.

==== Ausgabespezifikation ====

Es muss genau spezifiziert sein, welche Ausgabegrößen (Resultate) mit welchen Eigenschaften bestimmt werden. In der Java Programmierung wird die Ausgabespezifikation durch den so genannten Ausgabeparameter definiert.

=== Durchführbarkeit ===

==== Endliche Beschreibung ====

Das Verfahren muss mit einem endlichen Text beschrieben werden.

==== Effektivität ====

Jeder Schritt des Verfahrens muss tatsächlich durchführbar sein.

==== Determinismus und Determiniertheit ====

Wenn der Ablauf zu jedem Zeitpunkt fest vorgeschrieben ist, ist der Algorithmus deterministisch (Determinismus). Für zwei gleiche Eingabegrößen werden jedesmal exakt die gleichen Rechenschritt in der identischen Reihenfolge durchlaufen. Jeder deterministische Algorithmus ist auch determiniert (Determiniertheit). Der Algorithmus ist determiniert, wenn dieser stets für die gleiche Eingabegröße die gleiche Ausgabegröße liefert! Aber ein determinierter Algorithmus, muss nicht deterministisch sein. Denn determinierte Algorithmen können für gleiche Eingabegrößen jedes Mal auf unterschiedlichen Wegen zum Ziel kommen; liefern aber jedes Mal das gleiche Ergebnis!

=== Korrektheit ===

==== Partielle Korrektheit ====

Jedes ermittelte Ergebnis genügt der Ausgabespezifikation, sofern die Eingaben der Eingabespezifikation genügen.

==== Terminierung ====

Der Algorithmus hält nach endlichen vielen Schritten an, sofern die Eingabe der Eingabespezifikation genügen.

=== Effizienz ===

Außerdem sollte der Algorithmus effizient arbeiten. D.h. er sollte nicht zu viel Rechenleistung des Prozessors binden, um die Ausführungszeit nicht unnötig zu verlängern. Dies wird vermieden indem zur Laufzeit eine möglichst minimale Anzahl an Befehlen abgearbeitet werden muss, um das gegebene Problem zu lösen.

==== Laufzeit ====

Die Anzahl der Schritte, die ein Algorithmus benötigt, wird als die Laufzeit des Algorithmus bezeichnet. Der Begriff Schritt bezieht sich auf das zugrunde gelegte Maschinenmodell. Die Maschine (der Computer) muss in der Lage sein, einen einzelnen Schritt in konstanter Zeit auszuführen. Die Laufzeit hängt im allgemeinen von der Eingabe ab, insbesondere von der Länge der Eingabe, die auch als Problemgröße bezeichnet wird.

Beispiel: Die Laufzeit eines Sortieralgorithmus ist umso größer, je mehr Elemente zu sortieren sind.
Soll eine Liste von fünf Zahlen sortiert werden, so ist die Problemgröße n=5.

Bei einer vorsortierten Eingabefolge benötigt der Algorithmus möglicherweise weniger Schritte als bei einer unsortierten Eingabefolge gleicher Länge. Eine vorsortierte Liste stellt das Best Case Szenario dar. Also den günstigsten Fall für das gegebene Problem (hier das Sortieren von Zahlen). Eine sortierte Liste in umgekehrter Reihenfolge stellt das Worst Case Szenario dar. Hier ist der Aufwand am größten die Liste umzusortieren.

Um den Algorithmus unabhängig von der konkreten Eingabe bewerten zu können, betrachtet man die Zeitkomplexität in der so genannten Laufzeitanalyse.

== Beispiel ==

Das folgende Beispiel zeigt einen Algorithmus in der Programmiersprache Java der z.B. Bücher in einem Regal sortiert:

<syntaxhighlight lang="Java" line>
// Sortieren durch Vertauschen unmittelbarer Nachbarn

// beim ersten Durchgang "perlt" die größte Zahl nach hinten, so dass

// spätere Durtchgänge immer ein Element früher enden können und so

// der sortierte Teil von hinten nach vorne wächst
int durchgang, stelle;
for (durchgang=1; durchgang<reihung.length; durchgang++){

// Es werden alle zu durchsuchenden Elemente Schritt für Schritt durchlaufen
for (stelle=0; stelle<reihung.length-durchgang; stelle++){
// Durchgänge beginnen immer bei 0, enden aber immer früher
if (reihung[stelle] > reihung[stelle+1]){
// Nachbarn in falscher Reihenfolge werden vertauscht
tausche (stelle, stelle+1);
}
}
}
</syntaxhighlight>

Algorithmus

2025-03-31T08:40:26Z

Infonutzer: Die Seite wurde neu angelegt: „= Algorithmen = Ein '''Algorithmus''' ist in der Informatik ein genau beschriebenes Verfahren zur Lösung eines gegebenen Problems. Ein '''Programm''' stellt die Übersetzung eines Algorithmus in eine vom Computer begreifbare und ausführbare Folge von Befehlen dar, an dessen Ende die Lösung eines Problems ausgegeben wird. Problem --> Algorithmus --> Programm Somit ist ein Algorithmus universeller als eine konkrete Implementierung. == Einführung ==…“

= Algorithmen =

Ein '''Algorithmus''' ist in der Informatik ein genau beschriebenes Verfahren zur Lösung eines gegebenen Problems. Ein '''Programm''' stellt die Übersetzung eines Algorithmus in eine vom Computer begreifbare und ausführbare Folge von Befehlen dar, an dessen Ende die Lösung eines Problems ausgegeben wird.

Problem --> Algorithmus --> Programm

Somit ist ein Algorithmus universeller als eine konkrete Implementierung.

== Einführung ==

Zwei oft zu bewältigende Probleme in der Informatik sind das Suchen und das Sortieren von Objekten. Allerdings sind Algorithmen für Computer heute so vielfältig wie die Anwendungen, die sie ermöglichen sollen. Vom elektronischen Steuergerät für den Einsatz in KFZ über die Rechtschreib- und Satzbau-Kontrolle in einer Textverarbeitung bis hin zur Analyse von Aktienmärkten finden sich tausende von mehr oder minder tauglich arbeitenden Algorithmen.

Die Lösung komplexer Probleme sollte zuvor designed werden. Hierzu können Algorithmen vor der eigentlichen Programmierung in Ablaufplänen z.B. durch Modelle der UML oder Struktogramme visualisiert werden. Algorithmen werden in der Programmierung durch Kontrollstrukturen oder Rekursion implementiert.

== Eigenschaften ==

Ein Algorithmus in der Informatik ist die Beschreibung eines Verfahrens, um aus gewissen Eingabegrößen bestimmte Ausgabegrößen zu bestimmen. Hierfür müssen folgende Bedingungen erfüllt sein:

=== Spezifikation ===

Für Algorithmen werden Schnittstellenspezifikationen benötigt. Sie regeln die Ein- und Ausgabe des Algorithmus. In der Java Programmierung werden Algorithmen mit Methoden realisiert. Die Schnittstelle der Methoden muss in der so genannten Signatur beschrieben werden.

==== Eingabespezifikation ====

Es muss genau spezifiziert sein, welche Eingabegrößen erforderlich sind und welche Anforderungen diesen Größen genügen müssen, damit das Verfahren funktioniert. In der Java Programmierung wird die Eingabespezifikation durch so genannte Eingabeparameter definiert.

==== Ausgabespezifikation ====

Es muss genau spezifiziert sein, welche Ausgabegrößen (Resultate) mit welchen Eigenschaften bestimmt werden. In der Java Programmierung wird die Ausgabespezifikation durch den so genannten Ausgabeparameter definiert.

=== Durchführbarkeit ===

==== Endliche Beschreibung ====

Das Verfahren muss mit einem endlichen Text beschrieben werden.

==== Effektivität ====

Jeder Schritt des Verfahrens muss tatsächlich durchführbar sein.

==== Determinismus und Determiniertheit ====

Wenn der Ablauf zu jedem Zeitpunkt fest vorgeschrieben ist, ist der Algorithmus deterministisch (Determinismus). Für zwei gleiche Eingabegrößen werden jedesmal exakt die gleichen Rechenschritt in der identischen Reihenfolge durchlaufen. Jeder deterministische Algorithmus ist auch determiniert (Determiniertheit). Der Algorithmus ist determiniert, wenn dieser stets für die gleiche Eingabegröße die gleiche Ausgabegröße liefert! Aber ein determinierter Algorithmus, muss nicht deterministisch sein. Denn determinierte Algorithmen können für gleiche Eingabegrößen jedes Mal auf unterschiedlichen Wegen zum Ziel kommen; liefern aber jedes Mal das gleiche Ergebnis!

=== Korrektheit ===

==== Partielle Korrektheit ====

Jedes ermittelte Ergebnis genügt der Ausgabespezifikation, sofern die Eingaben der Eingabespezifikation genügen.

==== Terminierung ====

Der Algorithmus hält nach endlichen vielen Schritten an, sofern die Eingabe der Eingabespezifikation genügen.

=== Effizienz ===

Außerdem sollte der Algorithmus effizient arbeiten. D.h. er sollte nicht zu viel Rechenleistung des Prozessors binden, um die Ausführungszeit nicht unnötig zu verlängern. Dies wird vermieden indem zur Laufzeit eine möglichst minimale Anzahl an Befehlen abgearbeitet werden muss, um das gegebene Problem zu lösen.

==== Laufzeit ====

Die Anzahl der Schritte, die ein Algorithmus benötigt, wird als die Laufzeit des Algorithmus bezeichnet. Der Begriff Schritt bezieht sich auf das zugrunde gelegte Maschinenmodell. Die Maschine (der Computer) muss in der Lage sein, einen einzelnen Schritt in konstanter Zeit auszuführen. Die Laufzeit hängt im allgemeinen von der Eingabe ab, insbesondere von der Länge der Eingabe, die auch als Problemgröße bezeichnet wird.

Beispiel: Die Laufzeit eines Sortieralgorithmus ist umso größer, je mehr Elemente zu sortieren sind.
Soll eine Liste von fünf Zahlen sortiert werden, so ist die Problemgröße n=5.

Bei einer vorsortierten Eingabefolge benötigt der Algorithmus möglicherweise weniger Schritte als bei einer unsortierten Eingabefolge gleicher Länge. Eine vorsortierte Liste stellt das Best Case Szenario dar. Also den günstigsten Fall für das gegebene Problem (hier das Sortieren von Zahlen). Eine sortierte Liste in umgekehrter Reihenfolge stellt das Worst Case Szenario dar. Hier ist der Aufwand am größten die Liste umzusortieren.

Um den Algorithmus unabhängig von der konkreten Eingabe bewerten zu können, betrachtet man die Zeitkomplexität in der so genannten Laufzeitanalyse.

== Beispiel ==

Das folgende Beispiel zeigt einen Algorithmus in der Programmiersprache Java der z.B. Bücher in einem Regal sortiert:

```java
// Sortieren durch Vertauschen unmittelbarer Nachbarn
// beim ersten Durchgang "perlt" die größte Zahl nach hinten, so dass
// spätere Durtchgänge immer ein Element früher enden können und so
// der sortierte Teil von hinten nach vorne wächst
int durchgang, stelle;
for (durchgang=1; durchgang<reihung.length; durchgang++){

// Es werden alle zu durchsuchenden Elemente Schritt für Schritt durchlaufen
for (stelle=0; stelle<reihung.length-durchgang; stelle++){
// Durchgänge beginnen immer bei 0, enden aber immer früher
if (reihung[stelle] > reihung[stelle+1]){
// Nachbarn in falscher Reihenfolge werden vertauscht
tausche (stelle, stelle+1);
}
}
}

Maschinelles lernen

2025-03-31T08:11:22Z

Infonutzer:

= Maschinelles Lernen (Machine Learning) =

Maschinelles Lernen (ML) ist ein Teilbereich der [[Künstliche Intelligenz]] (KI), der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.

== Grundlagen ==

* **Daten**: ML-Algorithmen benötigen große Mengen an Daten, um Muster und Zusammenhänge zu erkennen.
* **Algorithmen**: Es gibt verschiedene ML-Algorithmen, die für unterschiedliche Aufgaben geeignet sind.
* **Training**: Der Prozess, bei dem ein ML-Algorithmus aus Daten lernt.
* **Modell**: Das Ergebnis des Trainingsprozesses, das zur Vorhersage oder Entscheidungsfindung verwendet werden kann.

== Arten des maschinellen Lernens ==

* **Überwachtes Lernen (Supervised Learning)**: Der Algorithmus lernt aus gelabelten Daten, d.h. Daten, denen bereits die korrekten Ausgaben zugeordnet sind.
* **Unüberwachtes Lernen (Unsupervised Learning)**: Der Algorithmus lernt aus ungelabelten Daten und versucht, selbstständig Muster und Strukturen zu erkennen.
* **Bestärkendes Lernen (Reinforcement Learning)**: Der Algorithmus lernt durch Interaktion mit einer Umgebung und erhält Belohnungen oder Strafen für seine Aktionen.

== Anwendungsbereiche ==

* **Bilderkennung**: Erkennung von Objekten in Bildern (z.B. Gesichtserkennung, Objekterkennung in der Industrie).
* **Spracherkennung**: Umwandlung von gesprochener Sprache in Text (z.B. Sprachassistenten).
* **Textverarbeitung**: Analyse und Verarbeitung von Textdaten (z.B. Spam-Filter, Sentiment-Analyse).
* **Empfehlungssysteme**: Vorhersage von Nutzerpräferenzen (z.B. Produktempfehlungen in Online-Shops).
* **Automatisierung**: Automatisierung von Prozessen in der Industrie und im Alltag (z.B. autonome Fahrzeuge, Robotik).

== Algorithmen ==

* **Lineare Regression**: Vorhersage von kontinuierlichen Werten.
* **Logistische Regression**: Vorhersage von Kategorien.
* **Entscheidungsbäume**: Entscheidungsfindung basierend auf Regeln.
* **Neuronale Netze**: Komplexe Algorithmen, die von der Funktionsweise des menschlichen Gehirns inspiriert sind.
* **Support Vector Machines (SVM)**: Algorithmen zur Klassifizierung und Regression.
* **K-Means-Clustering**: Algorithmus zur Gruppierung von Datenpunkten.

== Herausforderungen und ethische Aspekte ==

* **Datenqualität**: ML-Modelle sind nur so gut wie die Daten, mit denen sie trainiert werden.
* **Bias**: ML-Modelle können Vorurteile aus den Trainingsdaten übernehmen.
* **Erklärbarkeit**: Es ist oft schwierig zu verstehen, wie ein ML-Modell zu einer bestimmten Entscheidung gekommen ist.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten erfordert besondere Sorgfalt.

== Weblinks ==

* [https://de.wikipedia.org/wiki/Maschinelles_Lernen Wikipedia-Artikel über maschinelles Lernen]
* [https://developers.google.com/machine-learning/crash-course Google Machine Learning Crash Course]
* [https://scikit-learn.org/stable/ Scikit-learn Dokumentation]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:09:16Z

Infonutzer: Infonutzer verschob die Seite Künstliche Intilligenz nach Künstliche Intelligenz: Falsch geschriebener Name

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

* **Algorithmen**: KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
* **Daten**: KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
* **[[Maschinelles lernen]]**: Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
* **Neuronale Netze**: Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

* **Schwache KI (Narrow AI)**: KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
* **Starke KI (General AI)**: KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:08:06Z

Infonutzer:

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

* **Algorithmen**: KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
* **Daten**: KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
* **[[Maschinelles lernen]]**: Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
* **Neuronale Netze**: Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

* **Schwache KI (Narrow AI)**: KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
* **Starke KI (General AI)**: KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:04:57Z

Infonutzer:

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

* **Algorithmen**: KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
* **Daten**: KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
* **[[Maschinelles_Lernen]]**: Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
* **Neuronale Netze**: Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

* **Schwache KI (Narrow AI)**: KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
* **Starke KI (General AI)**: KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:04:08Z

Infonutzer:

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

* **Algorithmen**: KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
* **Daten**: KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
* **[[Maschinelles Lernen]]**: Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
* **Neuronale Netze**: Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

* **Schwache KI (Narrow AI)**: KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
* **Starke KI (General AI)**: KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Künstliche Intelligenz

2025-03-31T08:02:39Z

Infonutzer: Die Seite wurde neu angelegt: „= Künstliche Intelligenz (KI) = Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen. == Grundlagen == * **Algorithmen**: KI-Systeme basieren auf Algorithmen, die es ihnen ermögli…“

= Künstliche Intelligenz (KI) =

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dazu gehören beispielsweise das Lösen von Problemen, das Erkennen von Mustern, das Lernen und das Treffen von Entscheidungen.

== Grundlagen ==

* **Algorithmen**: KI-Systeme basieren auf Algorithmen, die es ihnen ermöglichen, aus Daten zu lernen und Aufgaben auszuführen.
* **Daten**: KI-Systeme benötigen große Mengen an Daten, um effektiv zu lernen und zu arbeiten.
* **Maschinelles Lernen**: Ein wichtiger Teilbereich der KI, der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.
* **Neuronale Netze**: Ein Modell des maschinellen Lernens, das von der Funktionsweise des menschlichen Gehirns inspiriert ist.

== Arten der KI ==

* **Schwache KI (Narrow AI)**: KI-Systeme, die auf spezifische Aufgaben beschränkt sind (z.B. Sprachassistenten, Bilderkennung).
* **Starke KI (General AI)**: KI-Systeme, die in der Lage sind, jede intellektuelle Aufgabe auszuführen, die ein Mensch bewältigen kann (noch nicht realisiert).

== Anwendungsbereiche ==

* **Industrie**: Automatisierung von Produktionsprozessen, Qualitätskontrolle, Robotik.
* **Medizin**: Diagnose von Krankheiten, Entwicklung neuer Medikamente, personalisierte Medizin.
* **Finanzwesen**: Betrugserkennung, Risikoanalyse, algorithmischer Handel.
* **Transport**: Autonome Fahrzeuge, Verkehrsmanagement, Logistik.
* **Kundenservice**: Chatbots, virtuelle Assistenten, personalisierte Empfehlungen.

== Herausforderungen und ethische Aspekte ==

* **Arbeitsplatzverlust**: Die Automatisierung von Aufgaben durch KI kann zu Arbeitsplatzverlusten führen.
* **Bias**: KI-Systeme können Vorurteile aus den Trainingsdaten übernehmen und diskriminierende Entscheidungen treffen.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten durch KI-Systeme wirft Fragen des Datenschutzes auf.
* **Autonomie**: Die zunehmende Autonomie von KI-Systemen wirft ethische Fragen auf.

== Werkzeuge und Technologien ==

* **Python**: Eine beliebte Programmiersprache für KI-Entwicklung.
* **TensorFlow**: Eine Open-Source-Bibliothek für maschinelles Lernen.
* **Keras**: Eine High-Level-API für neuronale Netze.
* **Cloud-Plattformen**: Anbieter wie Google Cloud, Amazon Web Services und Microsoft Azure bieten KI-Dienste an.

== Weblinks ==

* [https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz Wikipedia-Artikel über künstliche Intelligenz]
* [https://www.ki-campus.org/ KI-Campus]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Kategorie:Künstliche Intelligenz

2025-03-31T07:50:27Z

Infonutzer: Die Seite wurde neu angelegt: „Kategorie:Informatik“

[[Kategorie:Informatik]]

Kategorie:Informatik

2025-03-31T07:47:16Z

Infonutzer: Leere Seite erstellt

Maschinelles lernen

2025-03-31T07:46:34Z

Infonutzer: Die Seite wurde neu angelegt: „= Maschinelles Lernen (Machine Learning) = Maschinelles Lernen (ML) ist ein Teilbereich der künstlichen Intelligenz (KI), der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden. == Grundlagen == * **Daten**: ML-Algorithmen benötigen große Mengen an Daten, um Muster und Zusammenhänge zu erkennen. * **Algorithmen**: Es gibt verschiedene ML-Algorithmen, die für un…“

= Maschinelles Lernen (Machine Learning) =

Maschinelles Lernen (ML) ist ein Teilbereich der künstlichen Intelligenz (KI), der sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen, ohne explizit programmiert zu werden.

== Grundlagen ==

* **Daten**: ML-Algorithmen benötigen große Mengen an Daten, um Muster und Zusammenhänge zu erkennen.
* **Algorithmen**: Es gibt verschiedene ML-Algorithmen, die für unterschiedliche Aufgaben geeignet sind.
* **Training**: Der Prozess, bei dem ein ML-Algorithmus aus Daten lernt.
* **Modell**: Das Ergebnis des Trainingsprozesses, das zur Vorhersage oder Entscheidungsfindung verwendet werden kann.

== Arten des maschinellen Lernens ==

* **Überwachtes Lernen (Supervised Learning)**: Der Algorithmus lernt aus gelabelten Daten, d.h. Daten, denen bereits die korrekten Ausgaben zugeordnet sind.
* **Unüberwachtes Lernen (Unsupervised Learning)**: Der Algorithmus lernt aus ungelabelten Daten und versucht, selbstständig Muster und Strukturen zu erkennen.
* **Bestärkendes Lernen (Reinforcement Learning)**: Der Algorithmus lernt durch Interaktion mit einer Umgebung und erhält Belohnungen oder Strafen für seine Aktionen.

== Anwendungsbereiche ==

* **Bilderkennung**: Erkennung von Objekten in Bildern (z.B. Gesichtserkennung, Objekterkennung in der Industrie).
* **Spracherkennung**: Umwandlung von gesprochener Sprache in Text (z.B. Sprachassistenten).
* **Textverarbeitung**: Analyse und Verarbeitung von Textdaten (z.B. Spam-Filter, Sentiment-Analyse).
* **Empfehlungssysteme**: Vorhersage von Nutzerpräferenzen (z.B. Produktempfehlungen in Online-Shops).
* **Automatisierung**: Automatisierung von Prozessen in der Industrie und im Alltag (z.B. autonome Fahrzeuge, Robotik).

== Algorithmen ==

* **Lineare Regression**: Vorhersage von kontinuierlichen Werten.
* **Logistische Regression**: Vorhersage von Kategorien.
* **Entscheidungsbäume**: Entscheidungsfindung basierend auf Regeln.
* **Neuronale Netze**: Komplexe Algorithmen, die von der Funktionsweise des menschlichen Gehirns inspiriert sind.
* **Support Vector Machines (SVM)**: Algorithmen zur Klassifizierung und Regression.
* **K-Means-Clustering**: Algorithmus zur Gruppierung von Datenpunkten.

== Herausforderungen und ethische Aspekte ==

* **Datenqualität**: ML-Modelle sind nur so gut wie die Daten, mit denen sie trainiert werden.
* **Bias**: ML-Modelle können Vorurteile aus den Trainingsdaten übernehmen.
* **Erklärbarkeit**: Es ist oft schwierig zu verstehen, wie ein ML-Modell zu einer bestimmten Entscheidung gekommen ist.
* **Datenschutz**: Der Umgang mit personenbezogenen Daten erfordert besondere Sorgfalt.

== Weblinks ==

* [https://de.wikipedia.org/wiki/Maschinelles_Lernen Wikipedia-Artikel über maschinelles Lernen]
* [https://developers.google.com/machine-learning/crash-course Google Machine Learning Crash Course]
* [https://scikit-learn.org/stable/ Scikit-learn Dokumentation]

[[Kategorie:Künstliche Intelligenz]]
[[Kategorie:Informatik]]

Ableitungsfunktion

2025-03-31T07:41:42Z

Infonutzer:

==Ableitung und Steigung in einem Punkt==
[[Datei:DifferentialrechnungBeispielTangente.png|mini|Tangente <math>t\left(x\right)=2x-1</math> von <math>f\left(x\right)=x^2</math> in <math>P(1|1)</math>]]
Ist <math>f</math> eine [[Funktion]], die auf dem Intervall <math>[x_0;x_1] \subseteq \mathbb{D}_f</math> [[Funktion#Definitions-_und_Wertebereichdefiniert|definiert]] ist, und strebt der [[Differenzenquotient]] <math>\frac{f\left(x\right)-f(x_0)}{x-x_0}</math> für <math>x\rightarrow x_0</math> und <math>x \in [x_0;x_1]</math> gegen einen Wert, so heißt dieser Wert '''Ableitung''' (lokale Änderungsrate) von <math>f</math> an der Stelle <math>x_0</math> und wird mit <math>f'(x_0)</math> bezeichnet. <math>f</math> heißt an der Stelle <math>x_0</math> '''differenzierbar'''.

Die Ableitung ist die [[Lineare_Funktion#Definition|Steigung]] der [[Differenzenquotient#Tangente|Tangente]] im Punkt <math>{P(x}_0|f\left(x_0\right))</math> und heißt '''Steigung''' des Graphen von <math>f</math> in <math>P</math>.

==Definition==
Ist eine [[Funktion]] <math>f</math> für alle <math>x\ \in\ \mathbb{D}_f</math> differenzierbar, so heißt die [[Funktion]] <math>f'</math>, die jeder [[Funktion#Definition|Stelle]] <math>x</math> der [[Funktion#Definitions-_und_Wertebereich|Definitionsmenge]] die Ableitung <math>f'(x)</math> zuordnet, '''Ableitungsfunktion'''. Wir bezeichnen <math>f'</math> auch als Ableitung von <math>f</math>.

==Ableitungsregeln==
Die Ableitungsfunktion <math>f'</math> wird mit den folgenden Regeln ermittelt:
===Potenzregel===
Die Funktion <math>f\left(x\right)=x^n</math> hat die Ableitungsfunktion <math>f'\left(x\right)=n{\cdot x}^{n-1}</math> für <math>n\ \in\mathbb{N}</math>.

===Faktorregel===
Für <math>f\left(x\right)=c\cdot g(x)</math> gilt <math>f'\left(x\right)=c\cdot g'(x)</math>.

===Summenregel===
Für <math>f\left(x\right)=g\left(x\right)+h(x)</math> gilt <math>f'\left(x\right)=g'\left(x\right)+h'(x)</math>.

==Beispiele==

===Graphische Erläuterung der Steigung in einem Punkt===
[[Datei:WendepunktBeispielSin.gif|mini|[[Graph]] der Funktion <math>f(x)=sin(2x)</math>]]
Im Bild wandert ein Punkt mit seiner Tangente über den [[Graph]] der [[Funktion]] <math>f</math>. Die Steigung der Tangente ist die Steigung in dem Punkt. Wandert der Punkt den 'Berg' hinauf, ist die Steigung positiv. Wandert der Punkt den 'Berg' hinab, ist die Steigung negativ. Auf dem 'Berg' und im 'Tal' ist die Steigung Null. In der Mitte zwischen 'Berg' und 'Tal' ist die Steigung [[Betragsfunktion|betragsmäßig]] am größten.

===Steigung in einem Punkt mit Hilfe der Tangente ermitteln===
Wir betrachten <math>f\left(x\right)=x^2</math> im Punkt <math>P(1|1)</math>. Die [[Differenzenquotient#Tangente|Tangente]] in diesem Punkt ist <math>t\left(x\right)=2x-1</math>. Die Steigung von <math>f</math> in <math>P</math> ist <math>2</math>.

<html><iframe width="280" height="157.5" src="https://www.youtube.com/embed/FpJHGuPPPh8?si=JONmrPHQQ8k1GU42" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen></iframe></html>

===Potenz-, Faktor- und Summenregel anwenden===
Wendet man auf <math>f\left(x\right)=x^6</math> die Potenzregel an, gilt <math>f'\left(x\right)=6x^{6-1}=6x^5</math>. Die Steigung im Punkt <math>P(1|2)</math> ist dann <math>f'(1)=6 \cdot 1^5=6</math>.

Wendet man auf <math>g\left(x\right)=3x^5</math> die Faktorregel an, gilt <math>g'\left(x\right)=3\cdot5x^{5-1}=15x^4</math>.

Wendet man auf <math>h\left(x\right)=2x^3+3x^4</math> die Summenregel an, gilt <math>h'(x)=2\cdot3x^2+4\cdot3x^3=6x^2+12x^3</math>. Das dritte Video zeigt, wie Ableitungsfunktionen skizziert werden können.

<html><iframe width="280" height="157.5" src="https://www.youtube.com/embed/KHuZS68AA1U?si=YDRKLJWVUdHJrcXV" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen></iframe>
<iframe width="280" height="157.5" src="https://www.youtube.com/embed/RywM3XEzgWo?si=woHR5oYGNCes6Tmd" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
<iframe width="280" height="157.5" src="https://www.youtube.com/embed/JeLufqynqKU?si=NOL6WB7VjozoVbni" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
<iframe width="280" height="157.5" src="https://www.youtube.com/embed/a7knvw61GXU?si=QeTBWt33HgUR7hJ7" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen></iframe>
<iframe width="280" height="157.5" src="https://www.youtube.com/embed/gyrlG3SiG5A?si=gi-_1OKwJXwjvq7I" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen></iframe></html>

===Höhere Ableitungen ermitteln===
Höhere Ableitungen werden durch mehrmaliges Anwenden der Ableitungsregeln angewendet. Die Ableitungsfunktion von <math>f'(x)</math> ist dann <math>f''(x)</math> und die Ableitungsfunktion von <math>f''(x)</math> ist <math>f'''(x)</math>. <math>f''(x)</math> bzw. <math>f'''(x)</math> bezeichnen wir mit '''zweite''' bzw. '''dritte Ableitung'''.

[[Kategorie:Differentialrechnung]]
[[Kategorie:FHR_WuV_Mathe]]
[[Kategorie:AHR WuV Mathe GK]]

Ableitungsfunktion

2025-03-31T07:40:21Z

Infonutzer: