Zum Nachschlagen
Glossar
42 Begriffe, kurz und präzise erklärt — jeder Baustein verweist genau hierher, wenn ein Fachwort zum ersten Mal auftaucht.
A
B
- Beispiel (Sample)Ein zusammengehöriges Input-Output-Paar, mit dem ein Modell trainiert wird — auch Sample genannt.
- BildklassifikatorEin trainiertes Modell, das Bilder einer von mehreren vorgegebenen Kategorien zuordnet, etwa „Katze“ oder „Hund“.
- Byte Pair Encoding (BPE)Ein Verfahren, das häufige benachbarte Zeichen oder bereits gebildete Textstücke schrittweise zu größeren Einheiten zusammenführt.
E
F
G
H
I
K
L
M
- Maschinelles LernenVerfahren, bei denen ein Trainingsalgorithmus die Parameter eines Modells anhand von Beispielen einstellt, statt dass Menschen Regeln schreiben.
- MatrixEine Matrix ist eine Tabelle aus Zahlen mit zwei Achsen, Zeilen und Spalten, in der jede Zahl eine feste Adresse hat.
- ModellEine Rechenvorschrift, deren Verhalten zusätzlich von gespeicherten, trainierten Zahlenwerten (Parametern) abhängt.
O
P
- ParameterDie gespeicherten, einstellbaren Zahlenwerte, aus denen ein trainiertes Modell besteht — auch Gewichte genannt.
- ProgrammEine von Menschen geschriebene Folge von Anweisungen, die ein Computer Schritt für Schritt ausführt; jede Regel steht vor dem Start fest.
- PromptDer Text-Input, den du einem KI-Modell übergibst — er wirkt nur, solange er mitgeschickt wird, und ändert nicht die gespeicherten Parameter.
Q
S
- SamplingAuswahl des nächsten Textstücks per gewichtetem Zufall: Jedes Stück kommt ungefähr so oft dran, wie seine Wahrscheinlichkeit angibt.
- ScoreEin Zahlenwert, mit dem ein Modell eine mögliche Antwort wie eine Klasse oder das nächste Textstück bewertet, bevor daraus eine Wahrscheinlichkeit wird.
- SentencePieceEin sprachunabhängiges System, das Subword-Tokenizer direkt aus Rohtext lernt und anwendet, ohne ihn vorher in Wörter zu zerlegen.
- SkalarEin Skalar ist eine einzelne Zahl ohne Platz in einer Liste oder Tabelle, der einfachste Zahlenblock ganz ohne Achse.
- SoftmaxDie Rechnung, mit der ein Modell aus einer Liste von Scores Wahrscheinlichkeiten macht, die zusammen 100 Prozent ergeben.
- SpamfilterEin trainiertes Modell, das eine E-Mail als Spam oder kein Spam einordnet, oft als Wahrscheinlichkeitsangabe.
- SprachmodellEin auf großen Textmengen trainiertes Modell, das für jedes Textstück bewertet, wie gut es als Nächstes passt; so entsteht Text Stück für Stück.
- Subword-TokenEin wiederverwendbares Textstück, das kleiner als ein Wort sein kann, sodass sich seltene Wörter aus bekannten Teilen zusammensetzen lassen.
T
- TemperaturEin Einstellwert, durch den die Scores vor Softmax geteilt werden: Niedrige Werte machen die Auswahl vorhersehbarer, hohe abwechslungsreicher.
- TensorEin Zahlenblock mit beliebig vielen Achsen; Skalar, Vektor und Matrix sind Sonderfälle davon, und in solchen Blöcken rechnen KI-Modelle.
- TokenEine einzelne Texteinheit aus dem festen Vokabular eines Tokenizers: ein Wort, ein Wortteil, ein Zeichen oder ein Satzzeichen.
- Token-IDDie feste Kennnummer eines Tokens im Vokabular eines bestimmten Tokenizers, mit der das Modell statt mit Text arbeitet.
- TokenizerDas feste Verfahren, das Text in Tokens und Token-IDs umwandelt und IDs wieder zu Text zusammensetzt.
- TrainingsalgorithmusDas feste Verfahren, das auf Trainingsbeispiele angewendet wird und daraus die Parameter eines Modells erzeugt.
- TrainingsdatenDie Beispiele, auf die ein Trainingsalgorithmus angewendet wird, um die Parameter eines Modells einzustellen.
V
W
Kein Begriff passt zu deiner Suche.