Herzlich willkommen!ÜberblickArten von maschinellem LernenAlgorithmen des maschinellen LernensStatistisches maschinelles LernenLineare Algebra für maschinelles LernenQuantifizierung von UnsicherheitenAbwägung zwischen Verzerrung und VarianzÜberblickMerkmalsauswahlMerkmalsextraktionVektoreinbettungLatenter RaumHauptkomponentenanalyseLineare DiskriminanzanalyseUpsamplingDownsamplingSynthetische DatenDatenlecksÜberblickLineare RegressionLasso-RegressionRidge-RegressionZustandsraummodellZeitreiheAutoregressives ModellÜberblickEntscheidungsbäumeK-Nearest-Neighbors (KNNs)Naive BayesRandom ForestSupport-Vektor-MaschineLogistische RegressionÜberblickBoostingBaggingGradient BoostingGradient Boosting ClassifierÜberblickTransferlernenÜberblickÜberblickK-Means ClusteringHierarchisches ClusteringA-priori-AlgorithmusGaußsches MischungsmodellAnomalieerkennungÜberblickKollaborative FilterungInhaltsbasierte FilterungÜberblickVerstärkendes Lernen mit menschlichem FeedbackÜberblickÜberblickBackpropagationEncoder-Decoder-ModellRecurrent Neural NetworksConvolutional Neural NetworksÜberblickAufmerksamkeitsmechanismusGrouped Query AttentionPositionskodierungAutoencoderMamba-ModellGraph Neural NetworkÜberblickGeneratives ModellGenerative KI im Vergleich zu prädiktiver KIÜberblickLogischkeitsmodelleKleine SprachmodelleAnweisungsoptimierungLLM-ParameterLLM-TemperaturLLM-BenchmarksLLM-AnpassungDiffusionsmodelleVariational Autoencoder (VAE)Generative Adversarial Networks (GANs)ÜberblickVisionssprachmodelleTutorial: Erstellen Sie einen KI- StylistenTutorial: Multimodale KI-Abfragen mit LlamaTutorial: Multimodale KI-Abfragen mit PixtralTutorial: Automatische Podcast-Transkription mit GraniteTutorial: PPT-KI-Bildanalyse-AntwortsystemÜberblickGraphRAGTutorial: Erstellen Sie ein multimodales RAG-System mit Docling und GraniteTutorial: Evaluieren Sie die RAG-Pipline mit RagasTutorial: RAG-Chunking-StrategienTutorial: RAG mithilfe von Wissensdiagrammen grafisch darstellenTutorial: Inferenzskalierung zur Verbesserung multimodaler RAGÜberblickVibe-CodierungBesuchen Sie den Leitfaden zu KI-Agenten 2025ÜberblickVerlustfunktionTrainingsdatenModellparameterGradientenabstiegStochastischer GradientenabstiegHyperparameter-TuningLernrateÜberblickParameter-efficient Fine-Tuning(PEFT)LoRATutorial: Feinabstimmung des Granite-Modells mit LoRARegularisierungFoundation ModelsOverfittingUnderfittingFew-Shot-LearningZero-Shot-LearningKnowledge DistillationMeta-LearningData AugmentationCatastrophic ForgettingÜberblickScikit-learnXGboostPyTorchÜberblickKI-LebenszyklusKI-InferenzModellbereitstellungPipeline für maschinelles LernenDatenkennzeichnungModellrisikomanagementModelldriftAutoMLModellauswahlFöderiertes LernenVerteiltes maschinelles LernenKI-StackÜberblickNatural Language UnderstandingÜberblickStimmungsanalyseMaschinelle ÜbersetzungÜberblickInformationsabrufInformationsextraktionThemen-ModellierungLatente semantische AnalyseLatent Dirichlet AllocationNamed Entity RecognitionWorteinbettungenBag of WordsIntelligente SucheSpracherkennungStemming und LemmatizationTextzusammenfassungDialogorientierte KIKonversationsanalyseGenerierung natürlicher SpracheÜberblickBildklassifikationObjekterkennungInstanzsegmentierungSemantische SegmentierungOptische ZeichenerkennungBilderkennungVisuelle InspektionIvan Belcicmaschinelle LernKI-ModelleNeural NetworksIBM DatenschutzerklärungZur Episode wechselnmaschineller LernKI-ModelleData Sciencemaschinellen Lernensgekennzeichnete DatenGradientenabstiegsfein abgestimmtUnüberwachte Lernunüberwachtes Lernen und überwachtes Lernenhalbüberwachten Lerneneine ÜberanpassungVerarbeitung natürlicher Spracheder StimmungsanalyseBetrugserkennungDeep-LearningLogistische RegressionsLogistische Regressionlinearen RegressionsEntscheidungsbäumeRandom ForestSupport Vector Machine-Algorithmen (SVM)K-Nearest-Neighbors-Algorithmen (KNN)DimensionalitätsreduktionNaive-BayesVerarbeitung natürlicher SpracheStimmungsanalyseBag-of-WordsBoostingsPositionskodierungKonfusionsmatrixE-Book
Nutzen Sie die Leistungsfähigkeit generativer KI und ML
Erfahren Sie, wie Sie generative KI und maschinelles Lernen sicher in Ihr Unternehmen integrieren können.
E-Book lesenKI-Modelle
IBM Granite erkunden
IBM® Granite ist unsere Familie offener, leistungsfähiger und vertrauenswürdiger KI-Modelle, die auf Unternehmen zugeschnitten und für die Skalierung Ihrer KI-Anwendungen optimiert sind. Entdecken Sie die Optionen zu Sprache, Code, Zeitreihen und Guardrails.
Granite kennenlernenBericht
KI in Aktion 2024
Wir haben 2.000 Unternehmen zu ihren KI-Initiativen befragt, um herauszufinden, was funktioniert, was nicht und wie Sie vorankommen können.
Lesen Sie den BerichtExplainer
Überwachte Lernmodelle
Entdecken Sie beaufsichtigte Lernansätze wie Support Vector Machines und Wahrscheinlichkeitsklassifikatoren.
Lesen Sie die ErklärungWeiterbildung
Praktische Anwendung von generativer KI
Erfahren Sie mehr über grundlegende Konzepte und bauen Sie Ihre Fähigkeiten mit praktischen Übungen, Kursen, angeleiteten Projekten, Tests und mehr aus.
Generative KI kennenlernenE-Book
So entscheiden Sie sich für das richtige Foundation Model
Erfahren Sie, wie Sie das für Ihren Anwendungsfall am besten geeignete KI Foundation Model auswählen.
E-Book lesenEntdecken sie watsonx.aiErkunden Sie KI-LösungenKI-Services entdeckenwatsonx.ai erkundenLive-Demo buchenhttps://www.sciencedirect.com/science/article/abs/pii/S0002914915023590https://www.jmlr.org/papers/v25/23-0286.html
智能索引记录
-
2026-03-07 07:38:41
教育培训
成功
标题:生活更美好作文
简介:在日常学习、工作或生活中,大家或多或少都会接触过作文吧,写作文可以锻炼我们的独处习惯,让自己的心静下来,思考自己未来的方
-
2026-03-06 17:39:34
综合导航
成功
标题:所有的成功都源于一件微不足道的小事-励志一生
简介:乔布斯曾对马云说:所有的成功源于一件微不足道的小事!不少人认为马云的战略眼光很厉害,十几年前,就想到要做支付宝,现在的支
-
2026-03-07 01:30:33
数码科技
成功
标题:2020最火的微信名-免费起名_免费取名_宝宝起名_起名软件_名字测试打分解名(缇帕电子科技)-起点起名网
简介:微信这个APP,毫不夸张的说是每个人的手机里必不可少的,利用微信与他人聊天已经成了一种固定模式,但是取微信名字可不是一件
-
2026-03-07 03:43:30
运动健身
成功
标题:第48章 A·史密斯_NBA我改变了03选秀格局_朵朵不在家_新笔趣阁(56xu.com)
简介:NBA我改变了03选秀格局无防盗章节,作者朵朵不在家,第48章 A·史密斯内容简要:史蒂芬·史密斯说话时双手自然并在一起
-
2026-03-06 16:48:12
综合导航
成功
标题:Kids' Athletic Clothes, Shoes & Gear - Shorts or Socks or Sets or Long Sleeves in Gray or Green or Pink for Training Under Armour
简介:Shop Kids