KI-Tool Expert (IHK) Berufsbegleitender Onlinekurs Start: 16.05.2025
Ein gemeinsames Wissensglossar entwickeln
Ob in der Wissenschaft, Technik oder im beruflichen Alltag – Fachbegriffe helfen dabei, komplexe Sachverhalte zu strukturieren und Missverständnisse zu vermeiden. Gerade wenn wir mit neuen Themen oder Disziplinen in Berührung kommen, ist es wichtig, unbekannte Begriffe gezielt zu definieren.
Durch das Erstellen eines gemeinsamen Wissensglossars tragen wir dazu bei, unser Verständnis zu vertiefen und unser Wissen strukturiert zu erweitern. Indem wir einen Fachbegriff, den wir zuvor noch nicht kannten, recherchieren und definieren, fördern wir nicht nur unser eigenes Lernen, sondern ermöglichen es auch anderen, von unserem Wissen zu profitieren.
Aufgabe: Erstellt einen Eintrag im Wissensglossar, indem ihr einen ausgewählten Fachbegriff passend zum aktuellen Modul definiert. Bitte gebt am Ende eure Quellen an.
Grundlage für diese Aufgabe ist die Dozentenpräsentation, welche ihr in den "Materialien zu Modul 2" findet. Bitte beachtet bei der Bearbeitung der Aufgabe zudem die Mindest- bzw. Höchstwortanzahl: mindestens 200 Wörter, höchstens 400 Wörter.
Feedback: In dieser Aufgabe ist kein Peer-Feedback erforderlich.
@ | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | Alle
U |
|---|
Unsupervised Learning (Unüberwachtes Lernen)Unüberwachtes Lernen (engl. Unsupervised Learning) ist eine Methode des maschinellen Lernens, bei der ein Algorithmus mit unbeschrifteten Daten arbeitet. Das bedeutet, dass keine Zielwerte oder vorher definierten Kategorien vorgegeben sind. Ziel ist es, Muster, Strukturen oder Zusammenhänge innerhalb der Daten eigenständig zu identifizieren. Typische Verfahren des unüberwachten Lernens sind das Clustering (Gruppierung ähnlicher Datenpunkte) und die Dimensionsreduktion (Reduktion komplexer Datenräume auf wesentliche Merkmale). Diese Methoden ermöglichen es, große Datenmengen zu strukturieren und zu analysieren, ohne dass menschliche Annotationen erforderlich sind. Unüberwachtes Lernen findet vor allem in Anwendungsfeldern mit umfangreichen, nicht gelabelten Daten Anwendung – beispielsweise in der Kundensegmentierung, der Anomalieerkennung oder als Vorverarbeitungsschritt für überwachtes Lernen. Es bietet insbesondere dann Vorteile, wenn die Erstellung gelabelter Datensätze kosten- oder zeitintensiv ist. Ein praktisches Beispiel ist das Vortraining großer Sprachmodelle wie GPT (Generative Pre-trained Transformer) von OpenAI. Diese Modelle wurden mit Hilfe unüberwachten Lernens auf umfangreichen Textsammlungen trainiert, etwa Büchern und Online-Artikeln. Dabei lernten sie, Sprachmuster zu erkennen, ohne dass einzelne Datenpunkte manuell annotiert wurden. Dieses Verfahren bildet die Grundlage für das Sprachverständnis moderner KI-Systeme wie ChatGPT. Im Vergleich zu überwachten Lernverfahren benötigt unüberwachtes Lernen keine expliziten Zielvorgaben. Dadurch eignet es sich besonders für explorative Analysen und die Erschließung bisher unbekannter Datenstrukturen. Es gilt als zentrale Technik für die Weiterentwicklung skalierbarer KI-Anwendungen – insbesondere dort, wo annotierte Trainingsdaten nur begrenzt verfügbar sind.Quellen: https://www.ibm.com/think/topics/unsupervised-learning Recherchiert und formuliert auch unter Verwendung von ChatGPT | |