Datenwissenschaft

Aktives Lernen ist ein maschinelles Lernverfahren, bei dem das Modell die Daten auswählt, von denen es lernt, um die Leistung zu verbessern.

KI in der Wissenschaft bezieht sich auf die Anwendung von künstlichen Intelligenztechnologien zur Verbesserung der wissenschaftlichen Forschung und Entdeckung.

Die Algorithmusauswahl ist der Prozess der Wahl des am besten geeigneten Algorithmus für ein spezifisches Problem oder einen Datensatz.

Algorithmische Fairness stellt sicher, dass Algorithmen Einzelpersonen und Gruppen gerecht behandeln, um Vorurteile und Diskriminierung zu minimieren.

Anomaly Detection ist die Identifizierung von Mustern in Daten, die nicht dem erwarteten Verhalten entsprechen.

Approximate Nearest Neighbors (ANN) sind Algorithmen, die schnell Punkte in einem Datensatz finden, die einem gegebenen Abfragepunkt am nächsten sind.

Der Approximationsfehler misst die Differenz zwischen einem geschätzten Wert und dem tatsächlichen Wert.

Künstliche Intelligenz (KI) bezieht sich auf Computersysteme, die entwickelt wurden, um Aufgaben auszuführen, die typischerweise menschliche Intelligenz erfordern.

Automatisiertes Machine Learning (AutoML) vereinfacht den Prozess des Erstellens von Machine-Learning-Modellen, indem es wichtige Aufgaben automatisiert.

AutoML (Automatisiertes Maschinelles Lernen) vereinfacht den Einsatz von maschinellem Lernen, indem es Aufgaben automatisiert, die traditionell von Data Scientists durchgeführt werden.

Ein AutoML-Pipeline automatisiert den Prozess des Erstellens und Optimierens von Machine-Learning-Modellen.

Azure Machine Learning ist ein cloudbasierter Dienst zum Erstellen, Trainieren und Bereitstellen von Machine-Learning-Modellen.

Ein Bayessches Netzwerk ist ein grafisches Modell, das probabilistische Beziehungen zwischen Variablen darstellt.

Verhaltensinformatik ist die Untersuchung von Daten im Zusammenhang mit menschlichem Verhalten unter Verwendung computergestützter Methoden.

Ein Benchmark-Datensatz ist ein standardisiertes Datenset, das verwendet wird, um die Leistung von Machine-Learning-Modellen zu bewerten.

Voreingenommenheit in KI bezieht sich auf systematische Fehler in Algorithmen, die zu unfairen Ergebnissen führen, basierend auf Attributen wie Rasse oder Geschlecht.

Big Data Analytics umfasst die Untersuchung großer Datensätze, um Muster und Erkenntnisse für bessere Entscheidungen zu gewinnen.

Kalibrierung ist der Prozess, bei dem ein System so eingestellt wird, dass seine Ausgaben genau und zuverlässig sind.

CatBoost ist ein Machine-Learning-Algorithmus, der Gradient Boosting auf Entscheidungsbäumen verwendet und speziell für kategoriale Merkmale entwickelt wurde.

Eine kategoriale Variable repräsentiert unterschiedliche Kategorien oder Gruppen innerhalb von Daten, die häufig in statistischen Analysen verwendet werden.

Ein Zentralitätsmaß quantifiziert die Bedeutung von Knoten in einem Netzwerk.

Abwanderungsprognose ist eine Technik, die verwendet wird, um Kunden zu identifizieren, die wahrscheinlich die Nutzung eines Dienstes einstellen.

Klassenungleichgewicht tritt auf, wenn die Klassen in einem Datensatz nicht gleichmäßig vertreten sind, was die Modellleistung beeinflusst.

ClearML ist eine Open-Source-Plattform zur Verwaltung von Machine-Learning-Experimenten, Pipelines und Modellen.

Client Drift refers to the phenomenon where a model's performance declines due to changes in client data over time.

Eine Sammlung von Programmierwettbewerben und Lösungen, die für KI- und Algorithmustrainings verwendet werden.

A cold start refers to the challenge of making accurate predictions or recommendations when there's little or no data available.

Common Crawl ist eine gemeinnützige Organisation, die ein kostenloses, offenes Archiv von Webdaten für Forschung und Analyse bereitstellt.