Das AI Cheat-Sheet - KI- und ML-Grundbegriffe - Übersicht

Oct 13, 2026

Das Dokument bietet eine kompakte Übersicht zentraler Begriffe aus Künstlicher Intelligenz und Machine Learning. Es definiert KI, Machine Learning und Deep Learning sowie Arten des Lernens wie überwacht, unüberwacht und bestärkend. Zusätzlich werden Forschungsfelder wie Auto ML, Green AI und Explainable AI eingeordnet. Ergänzend werden Grundlagen zu Daten & Training erläutert (Input/Features, Targets, gelabelte Daten, Hyperparameter, GPU-Cluster) und wichtige KI-Modelle wie ANN, DNN, Random Forest, GPR und LLM kurz beschrieben.

LanguageGerman

CategoryPresentations

FormatPDF

Pages1

AccessFree to download

AUF EINEN BLICK: DAS AI CHEAT-SHEET

Unterteilung

Arten des Lernens

Forschungsgebiete

Daten & Training

KI-Modelle

AUF EINEN BLICK: DAS AI CHEAT-SHEET UNTERTEILUNG AI Art iﬁcial Intelligence ML Machine Learning DL Deep Learning Deutscher Begriﬀ Erläuterung Künstliche Intelligenz (KI) Maschinelles Lernen Tiefes Lernen Nachbildung/Schaﬀung von intelligentem Verhalten, insbesondere auch dem Lernen aus Daten und Erfahrungen Teilgebiet der KI, das sich mit Algorithmen befasst , die sich durch Erfahrung automatisch verbessern Teilgebiet des ML, das sich mit Algorithmen befasst, die tiefe Strukturen zur Repräsentation bilden ARTEN DES LERNENS Supervised Learning Unsupervised Learning RL Reinforcement Learning Überwachtes Lernen Unüberwachtes Lernen Bestärkendes Lernen Lernen mit Lehrer bzw. anhand gelabelter Daten Lernen ohne Lehrer, ausschließlich anhand der Inputs Lernen einer Strategie, um erhaltene Belohnung zu maximieren FORSCHUNGSGEBIETE Auto ML Automated Machine Learning Green AI XAI Explainable AI Automatisiertes Maschinelles Lernen Nachhaltige KI Erklärbare KI Algorithmen, die durch einen objektiven und datenbasierten Ansatz die Entwicklung von KIModellen automatisieren Konzepte mit dem Ziel, das Training von KIModellen umwelt- und ressourcenschonend zu gestalten Konzepte mit dem Ziel, Ergebnisse aus KI-Modellennachvollziehbarer zu machen, um Black-BoxVorgänge zu vermeiden DATEN & TRAINING Erläuterung Input / Features Targets Gelabelte Daten Hyper-/ MetaParameter GPU-Cluster Eingaben / Messwerte welche dem Modell zur Verfügung stehen Zielwerte, auf welche das KI-Modell trainiert werden soll Annotierte Daten mit einem oder mehreren Labels (z. B. Kategorien), die als Targets für das Training dienen Parameter, deren Werte verwendet werden, um den Lernprozess des KI-Modells zu steuern Rechnerverbund mehrerer vernetzter Graﬁk- prozessoren. GPUs können viele Daten parallel verarbeiten, was das Training von KI-Modellen wesentlich beschleunigt KI-MODELLE ANN Artiﬁcial Neural Networks DNN Deep Neural Network RF Random Forest GPR Gaussian Process Regressor LLM Large Language Model Neuronales Netz Modell, welches Beziehungen in einem Datensatz erlernt, angelehnt an die Funktionsweise des menschlichen Gehirns Tiefe bzw. komplexe Variante eines ANN mit vielen zu lernenden Parametern Klassiﬁkations- und Regressionsverfahren, das aus mehreren unkorrelierten Entscheidungsbäumen besteht Regressionsverfahren basierend auf der Annahme, die Targets unterliegen einem normalverteilten stochastischen Prozess Großes generatives Sprachmodell um natürliche Sprache zu verstehen, zu verarbeiten und zu generieren * stellt lediglich eine Auswahl dar

FAQs

Wie wird Künstliche Intelligenz (KI) im Cheat-Sheet definiert?

KI beschreibt die Nachbildung/Schaffung von intelligentem Verhalten, insbesondere auch das Lernen aus Daten und Erfahrungen.

Welche Arten des Lernens werden genannt?

Genannt werden Supervised Learning (überwachtes Lernen), Unsupervised Learning (unüberwachtes Lernen) und Reinforcement Learning (bestärkendes Lernen).

Welche Bausteine gehören zu „Daten & Training“?

Das Cheat-Sheet nennt Input/Features, Targets, gelabelte Daten, Hyper-/Meta-Parameter sowie den GPU-Cluster für beschleunigtes Training.

Oct 13, 2026

Upload by cryingin4k