Fachbegriffe der künstlichen Intelligenz

Schichten sind ein „Baustein“ neuronaler Netze. Sie bestehen aus der Anordnung mehrerer Neuronen. Mehrere dieser Schichten bilden ein neuronales Netz. Dabei wird zwischen Eingabeschichten (engl. input-layer), versteckten Schichten (engl. hidden -layer) und Ausgabeschichten(engl. output-layer) unterschieden.

Algorithmen mit schwacher künstlicher Intelligenz sind  Meister auf einem eng umgrenzten Gebiet, wissen aber darüber hinaus meist nichts und können auch ihr Domänenwissen nicht auf neue Kontexte übertragen. Sämtliche KI-Anwendungen, die heute existieren, sind diesem Bereich zuzuordnen.

Seaborn ist eine Python-Bibliothek, die speziell für die Visualisierung von statistischen Daten entwickelt wurde. Sie bietet eine Vielzahl von Diagrammtypen und Farbschemata, die die Datenanalyse und die Datenvisualisierung erleichtern. Seaborn ist nützlich in der Datenanalyse und der künstlichen Intelligenz, um Datenmuster und Trends zu identifizieren.

Semi-supervised Learning ist ein Ansatz des maschinellen Lernens, bei dem das Modell teilweise gelabelte und teilweise ungelabelte Daten verwendet. Das Modell nutzt die gelabelten Daten, um zu lernen, wie es die ungelabelten Daten klassifizieren oder vorhersagen kann.

Mithilfe von Sentimentanalysen kann man Maschinen in die Lage versetzen, Meinungen und Bedeutungen aus Texten (gesprochen oder geschrieben) herauszuarbeiten und beispielsweise zu beurteilen, ob eine Aussage positiv, negativ oder gar sarkastisch gemeint ist.

Shuffle meint eine Veränderung der Reihenfolge der Daten.

Eine Smart Factory ist eine Fabrik, die mit intelligenten Maschinen und Systemen ausgestattet ist und in der die Produktion weitgehend automatisiert ist. Hierbei können beispielsweise Sensoren und Algorithmen eingesetzt werden, um den Produktionsprozess zu überwachen und zu optimieren.

Als Spyware wird sämtliche Soft- und Hardware bezeichnet, die dazu verwendet wird, sensible Daten auszuspionieren.

Stable Diffusion ist eine Methode der Bayesianischen Inferenz, die verwendet wird, um den Posterior einer unbekannten Verteilung zu berechnen. Sie wird häufig in der künstlichen Intelligenz und der Datenanalyse eingesetzt, um Inferenzprobleme mit großer Unsicherheit zu lösen und das Risiko von Ausreißern und falschen Vorhersagen zu minimieren.

StandardScaler ist eine Anwendung von Scikit-Learn, mit dem Daten so transformiert, beziehungsweise standardisiert werden können, dass sie einen Mittelwert von 0 und eine Standardabweichung von 1 haben. Dies kann beim maschinellen Lernen nützlich sein, da viele Algorithmen empfindlich auf die Skalierung der Eingabedaten reagieren und die Standardisierung dabei helfen kann, diese Empfindlichkeit zu beseitigen.