KI- und ML-Glossar
Eine Wissensressource mit Standarddefinitionen zu Konzepten aus den Bereichen Künstliche Intelligenz, Data Engineering, Data Science und Maschinelles Lernen.
A
AI Database
Erfahren Sie, was eine KI-Datenbank ist, wofür sie verwendet wird, welche Arten von KI-Datenbanken es gibt und mehr.
ANNS
Die approximative Suche nach dem nächsten Nachbarn (Approximate Nearest Neighbor Search, ANNS) ist eine leistungsstarke Technik für maschinelles Lernen und Data-Science-Pipelines, die eine effiziente Suche nach dem nächsten Nachbarn in großen Datenbeständen ermöglicht. ANNS ist eine Methode zum Auffinden des nächsten Nachbarn eines bestimmten Abfragepunkts in einem großen Punktedatensatz. ANNS zielt darauf ab, einen ungefähren nächsten Nachbarn mit hoher Wahrscheinlichkeit zu finden und gleichzeitig die Rechenkosten zu minimieren.
AI Agents
KI-Agenten sind so konzipiert, dass sie eigenständig denken und handeln und sich dabei auf das Feedback der Umgebung und ihren internen Monolog verlassen. Sie erstellen eine Aufgabenliste und entwickeln sich ständig weiter und passen sich an, um ihr Ziel auf bestmögliche Weise zu erreichen.
AI Hallucination
Erfahren Sie die Definition von AI-Halluzinationen, sehen Sie einige Beispiele für AI-Halluzinationen und mehr.
Approximate Dynamic Programming
Approximative Dynamische Programmierung (ADP) löst Entscheidungsprobleme, die für die traditionelle dynamische Programmierung zu komplex sind. Sie findet nahezu optimale Lösungen, indem sie Approximationstechniken anstelle exakter Berechnungen verwendet. Diese Approximationen ermöglichen den Umgang mit dem „Fluch der Dimensionalität“, der bei Problemen mit großen oder kontinuierlichen Zustandsräumen auftritt. ADP wird häufig in Bereichen wie Robotik, Finanzen und Logistik eingesetzt und bietet praktische Lösungen, wenn exakte Methoden zu langsam oder unpraktikabel sind.
A.C.I.D. Transactions
ACID (Atomarität, Konsistenz, Isolation und Dauerhaftigkeit) ist ein Akronym, das die grundlegenden Prinzipien darstellt, die transaktionale Operationen innerhalb von Datenbanken und Datenspeichersystemen steuern. Jeder Buchstabe in ACID entspricht einer grundlegenden Eigenschaft, die gemeinsam die Integrität, Zuverlässigkeit und Robustheit von Transaktionen gewährleistet.
Agentic RAG
Agentic RAG ist eine fortgeschrittene Version von RAG, die KI-Agenten nutzt, um die Informationsbeschaffung und -generierung zu verwalten und zu optimieren, wodurch durch die Nutzung externer Tools und Wissensquellen anpassungsfähigere und genauere Antworten ermöglicht werden.
Agent2Agent
Agent2Agent ist ein Protokoll, das autonomen KI-Agenten – die von verschiedenen Organisationen mit unterschiedlichen Technologien entwickelt wurden – ermöglicht, einander zu entdecken, zu kommunizieren und bei komplexen Aufgaben plattformübergreifend zusammenzuarbeiten, wodurch isolierte Assistenten in eine koordinierte Multi-Agenten-Belegschaft verwandelt werden.
AI Hardware
Untersucht die wichtigsten Komponenten und Konzepte und betont, wie KI-Hardwarelösungen die KI-Leistung in verschiedenen Anwendungen beeinflussen.
Application Performance Monitoring (APM)
Application Performance Monitoring (APM) ist die Praxis, Tools zu verwenden, die IT-Fachleuten dabei helfen sollen, die Leistung und Verfügbarkeit von Softwareanwendungen zu überwachen. Es ist wie ein regelmäßiger App-Check-up, um sicherzustellen, dass sie gesund sind und wie erwartet laufen.
ANN Benchmarks
Der ANN Benchmark ist ein umfassendes Evaluierungstool, das entwickelt wurde, um die Leistung verschiedener ANNS-Algorithmen zu messen und zu vergleichen.
API
Eine API, oder Application Programming Interface, ist wie ein Bote, der es verschiedenen Softwareanwendungen ermöglicht, miteinander zu kommunizieren.
AutoRegressive Integrated Moving Average (ARIMA)
AutoRegressive Integrated Moving Average (ARIMA) ist ein beliebtes statistisches Modell für die Zeitreihenprognose. Es verwendet historische Daten, um Muster im Datensatz zu verstehen und zukünftige Werte vorherzusagen. Das Modell verwendet drei Komponenten zur Vorhersage zukünftiger Werte: Autoregression (AR), Differenzierung (I) und gleitender Durchschnitt (MA).
Activation Functions
Aktivierungsfunktionen sind mathematische Funktionen, die in neuronalen Netzen verwendet werden, um die Ausgabe eines Neurons zu bestimmen und Nichtlinearität in das Modell einzuführen. Sie werden auf die Eingaben von Knoten (Neuronen), den grundlegenden Einheiten eines neuronalen Netzes, angewendet, um die Ausgabe des Knotens zu erzeugen. Ein neuronales Netz berechnet die gewichtete Summe der Eingaben, addiert einen Bias und leitet diese Summe dann durch die Aktivierungsfunktion, die einen modifizierten Wert ausgibt. Dieser Wert wird an die nächste Netzwerkschicht weitergegeben oder wird zur endgültigen Ausgabe.