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
Data Science und MLOps für Data Leader
Schließen Sie sich mit anderen Führungskräften zusammen, um die drei wesentlichen Säulen von MLOps und vertrauenswürdiger KI voranzutreiben: Vertrauen in Daten, Vertrauen in Modelle und Vertrauen in Prozesse.
E-Book lesenWeiterbildung
Zu mehr ML-Know-how
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 lesenTechsplainers-Podcast
Maschinelles Lernen erklärt
„Techsplainers“ von IBM erklärt die Grundlagen des maschinellen Lernens – von Schlüsselkonzepten bis hin zu realen Anwendungsfällen. Klare, kurze Folgen helfen Ihnen, die Grundlagen schnell zu erlernen.
Jetzt anhörenLeitfaden
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.
Leitfaden 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. Erkunden Sie die Optionen zu Sprache, Code, Zeitreihen und Guardrails.
Granite kennenlernenLeitfaden
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.
Leitfaden lesenEntdecken 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
-
2026-04-14 14:11:19
综合导航
成功
标题:从坟墓中走出的杀神_容炎_第95章 夏公子有请(3更)_全本小说网
简介:全本小说网提供从坟墓中走出的杀神(容炎)第95章 夏公子有请(3更)在线阅读,所有小说均免费阅读,努力打造最干净的阅读环
-
2026-04-16 03:09:12
综合导航
成功
标题:第五百一十四章 寻完美第一更第1页_绝世神王在都市_笔趣阁
简介:第五百一十四章 寻完美第一更第1页_绝世神王在都市_雪芍_笔趣阁
-
2026-04-14 14:10:53
视频影音
成功
标题:《灭狼行动》高清完整版免费在线观看_113影视
简介:灭狼行动电影免费在线观看,灭狼行动高清完整版在线观看。灭狼行动剧情:影片讲述了在某次打击边境犯罪的行动中,解放军南部战区
-
2026-04-16 02:57:03
综合导航
成功
标题:Breastfeeding Over the Holidays TLC.com
简介:Tips to make breastfeeding over the holidays simpler.
-
2026-04-11 20:55:33
综合导航
成功
标题:Kids' Athletic Clothes, Shoes & Gear - Pants or Gloves or Underwear or Swimwear or Skirts and Skorts in Brown for Hockey or Volleyball Under Armour
简介:Shop Kids