Glossar

Anhand der value-function wird untersucht, wie gut eine Handlung in der gegebenen Situation ist. Die state-value function beschreibt, wie gut (oder schlecht) ein Zustand nach einer Handlung zu bewerten ist. Die action-value function beschreibt, wie gut (oder schlecht) eine Handlung in besagtem Zustand ist. Beide Funktionen bestimmen die Qualität der Handlung und sind Bestandteil des Q-Learnings.

Anhand der Verbose-Einstellung kann bestimmt werden, wie viele Informationen beim Training angezeigt werden. Dies kann beispielsweise in der Fehlersuche oder zum Verständnis des Modellfortschritts nützlich sein, ohne die Modell-Performance zu beeinflussen.

Scarcity Effect: Wenn etwas knapp wirkt („Nur 2 Stück!“), wollen wir es mehr. (Psychologisches Verhaltensmuster)

Loss Aversion: Verluste fühlen sich schlimmer an als Gewinne. Deshalb reagieren wir stark auf „Nur heute“ oder „Letzte Chance!“. (Psychologisches Verhaltensmuster)

Eine Verlustfunktion (engl. loss function) ist eine Funktion, die in der künstlichen Intelligenz (KI) und dem maschinellen Lernen verwendet wird, um die Abweichung zwischen den tatsächlichen Daten und den vorhergesagten Ergebnissen zu quantifizieren. Die Verlustfunktion gibt ein Maß dafür, wie gut ein Modell abschneidet, indem sie die Differenz zwischen den tatsächlichen und den vorhergesagten Werten misst. Das Ziel besteht darin, eine Verlustfunktion zu minimieren, um eine optimale Vorhersage zu erreichen. Es gibt verschiedene Arten von Verlustfunktionen, die je nach der Art des zu lösenden Problems und des Modells verwendet werden können. Ein Beispiel für eine Verlustfunktion ist die Mittlere quadratische Abweichung (Mean Squared Error), die verwendet wird, um die Differenz zwischen den tatsächlichen und den vorhergesagten Werten zu messen.

Als versteckte Schichten (engl. hidden layer) werden alle Schichten zwischen Eingabe (engl. Input-Layer)- und Ausgabeschicht (engl. Output-Layer) bezeichnet.

Virtuelle Inbetriebnahme ist ein Prozess, bei dem ein Produktionsprozess in einer virtuellen Umgebung simuliert wird, bevor er in der realen Welt implementiert wird. Dies kann helfen, mögliche Fehler und Probleme zu identifizieren und zu beheben, bevor sie in der Produktion auftreten.

Ein Virus bezeichnet eine Datei mit schädlichem Code, die versucht, sich weiter zu verbreiten.

Default Bias: Was vorausgewählt ist, übernehmen wir meist automatisch. (Psychologisches Verhaltensmuster)

Der Wrapper-Ansatz ist eine Form der Dimensionalitätsreduktion, bei dem einzelne Features selektiv entfernt bzw. hinzugefügt und die Auswirkungen auf die Performance des Lernalgorithmus gemessen werden. Je nach Einfluss auf die Performance kann entschieden werden, ob das jeweilige Feature analyserelevant ist.