Fachbegriffe der künstlichen Intelligenz

Der Naive Bayes ist ein Klassifizierungsalgorithmus, der einzelne Features innerhalb einer Klasse völlig unabhängig voneinander betrachtet und davon ausgeht, dass alle Features zur Wahrscheinlichkeit, dass das Objekt dieser Klasse angehört, gleichermaßen beitragen. Er basiert auf dem Bayes-Theorem (bedingte Wahrscheinlichkeit).

Sprachverarbeitung ist eine der am stärksten im Alltag vertretenen Anwendungen von künstlicher Intelligenz. Grundsätzlich beschäftigt sich das Feld der natürlichen Sprachverarbeitung (NLP, engl. natural language processing) mit der Verbindung zwischen menschlicher Sprache und Computern.

Als natürliche Person ist der Mensch als Träger*in von Rechten und Pflichten gemeint. Davon abzugrenzen ist die juristische Person, die z. B. in Form von Vereinen, Gesellschaften und Körperschaften auftreten kann.

Neuronale Netze sind ein Forschungszweig der künstlichen Intelligenz und darin eine Art des maschinellen Lernens. Sie sind in der Lage, sehr effektiv auch große Mengen an (unstrukturierten) Daten zu verarbeiten und eignen sich daher besonders für die Bewältigung von Big Data. Der Begriff hat seine Ursprünge zwar in der Biologie unseres Gehirns, jedoch haben heutige künstliche neuronale Netze nur wenig mit ihren biologischen Vorbildern zu tun. Die künstlichen Neuronen sind mathematische Formeln, die einen Input annehmen und einen Output weitergeben. Heutige neuronale Netze bestehen aus Tausenden bis Millionen dieser künstlichen Neuronen.

Die Neurowissenschaften sind ein multidisziplinäres Feld, das die Struktur, Funktion und Entwicklung des Nervensystems untersucht. Es umfasst Bereiche wie Neuroanatomie, Neurophysiologie, Neurochemie und Kognitive Neurowissenschaften. In der künstlichen Intelligenz werden Erkenntnisse aus der Neurowissenschaft oft genutzt, um neuronale Netze und andere KI-Modelle zu entwickeln und zu optimieren.

Beim unsupervised learning handelt es sich um eine Methode des maschinellen Lernens, die ohne vorgegebene Zielvariable, also ohne Label, auskommt. Algorithmen des nicht-überwachten Lernens sind in der Lage, selbstständig Muster und Zusammenhänge in Daten zu erkennen. In vielen Fällen zeigen diese Algorithmen Zusammenhänge auf, die dem Menschen vorher nicht bewusst waren. Das macht sie zu einem wertvollen Werkzeug in einer ganzen Reihe von Anwendungsbereichen.  

NOIR ist ein Akronym für die vier verschiedenen Arten von Skalen, die in der Statistik und Datenanalyse verwendet werden: nominal, ordinal, interval und ratio. Nominalskalen werden verwendet, um Objekte oder Ereignisse zu kategorisieren, z.B. Farben oder Geschlechter. Ordinalskalen ordnen Objekte oder Ereignisse nach einer Rangfolge, z.B. Schulnoten oder Platzierungen in einem Rennen. Intervallskalen messen die Unterschiede zwischen Werten, haben jedoch keine wahre Null, z.B. Temperaturen auf der Celsius-Skala. Ratioskalen haben eine wahre Null und messen Verhältnisse zwischen Werten, z.B. Größen und Gewichte. Die Kenntnis der Skalentypen ist wichtig für die Auswahl geeigneter statistischer Methoden und Visualisierungen in der Datenanalyse.

NumPy ist eine Python-Bibliothek, die sich auf numerische Berechnungen und Datenanalyse spezialisiert hat. Sie bietet leistungsstarke Tools für die Manipulation von mehrdimensionalen Arrays und Matrizen, die für viele Anwendungen in der künstlichen Intelligenz und der Datenanalyse nützlich sind.