温馨提示:本站仅提供公开网络链接索引服务,不存储、不篡改任何第三方内容,所有内容版权归原作者所有
AI智能索引来源:http://www.ibm.com/de-de/think/topics/machine-learning-algorithms
点击访问原文链接

Was sind Algorithmen für maschinelles Lernen? | IBM

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 InspektionDave Bergmannkünstlicher Intelligenzmaschinelles LernenData Science,linearen RegressionsmodellenPseudocodeKI-Modellum ein maschinelles Lernmodell zu schulenParameter des ModellsÜberanpassungIBM DatenschutzerklärungÜberwachtes Lernengrundlegende WahrheitUnüberwachte LernalgorithmenReinforcement Learning (RL)-Halbüberwachtes Lernenselbstüberwachten Lernengroße Sprachmodelle (Large Language Models, LLMs)„Vortraining“feinabgestimmtAlle Episoden von Mixture of Experts ansehendie ModellparameterVerlustfunktionKlassifizierunglineare RegressionZustandsraummodelle (SSMs)Verarbeitung natürlicher Sprache (NLP)Naive BayesBayes'schenDie logistische RegressionSigmoidfunktionK-Nearest Neighbor (KNN)VektoreinbettungenSupport Vector Machines (SVMs) sind leistungsfähigehalbüberwachten Lernenselbstüberwachtes LernenAutoencodergroße Sprachmodelle (Large Language Models,Computer-Vision-Modellenmultimodaler KIUnüberwachtes maschinelles LernenOptimierung von HyperparameternClustering-AlgorithmenErkennung von AnomalienK-Means-ClusteringApriori-AlgorithmusReduzierung der Dimensionalitätlatenten Raums eines DatensatzesDie Hauptkomponentenanalyse (Principal component analysis, PCA)AutoencoderEnsemble-LernenVerstärkende LernalgorithmenArgumentationsmodellenReinforcement Learning from Human Feedback (RLHF) zum Einsatz kommt.Ensemble-LernenBoosting-AlgorithmenXGBoostOpen-Source-Bibliothek für maschinelles LernenBagging-Algorithmen,Random-ForestWissensdestillationDeep Learningmaschinellen Lernensneuronaler Netzegenerativen KI-Modellenkünstlichen IntelligenzFunktionsentwicklungmaschinelles LernenDeep Learningeingeschränkte Boltzmann-MaschinenModelltrainingsBildsegmentierungsmodellekonvolutionaleRegularisierungE-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 lesenWeiterbildung Steigern Sie Ihre ML-Expertise Erfahren Sie mehr über grundlegende Konzepte und bauen Sie Ihre Fähigkeiten mit praktischen Übungen, Kursen, angeleiteten Projekten, Tests und mehr aus. ML-Kurse erkundenE-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 lesenHandbuch KI zum Einsatz bringen: Mehr ROI dank generativer KI Möchten Sie eine bessere Rendite für Ihre KI-Investitionen erzielen? Erfahren Sie, wie die Skalierung generativer KI in Schlüsselbereichen Veränderungen vorantreibt, indem Sie Ihre besten Köpfe dabei unterstützen, innovative neue Lösungen zu entwickeln und bereitzustellen. Handbuch lesenE-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 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 kennenlernenHandbuch Wie Sie im neuen KI-Zeitalter vertrauensvoll und zuversichtlich in eine erfolgreiche Zukunft blicken Erfahren Sie mehr über die drei entscheidenden Elemente einer starken KI-Strategie: die Schaffung eines Wettbewerbsvorteils, die Skalierung von KI im gesamten Unternehmen und die Förderung vertrauenswürdiger KI. Handbuch lesenBericht Bericht „AI in Action“ Wir haben 2.000 Unternehmen zu ihren KI-Initiativen befragt, um herauszufinden, was funktioniert, was nicht und wie Sie vorankommen können. Lesen Sie den BerichtEntdecken sie watsonx.aiErkunden Sie KI-LösungenKI-Services entdeckenwatsonx.ai erkundenLive-Demo buchen„Energy-Based Self-Supervised Learning“,„CHARM: An Efficient Algorithm for Closed Itemset Mining“,„Online Association Rule Mining“,„Semi-Supervised Learning mit Ladder Networks“,„Kolmogorovs Mapping Neural Networks Existenzsatz“,„Multilayer Feedforward Networks with a Non-Polynomial Activation Function Can Approximate Any Function“,

智能索引记录