Lernpfad
KI-Grundlagen: So funktioniert KI
Wie funktioniert KI eigentlich? Dieser Lernpfad beantwortet die Frage in fünf Leveln, von der Landkarte des KI-Universums bis zu Transformern, Diffusionsmodellen und Agenten. Statt Lehrbuchbehauptungen zu wiederholen, zeigen die Artikel, was wir selbst gemessen haben — mit Experimenten an einem öffentlichen Datensatz handgeschriebener Ziffern, die jeder wiederholen kann —, und was die Geschichte der bemerkenswerten KI-Modelle zeigt, gestützt auf die Daten von Epoch AI zu mehr als tausend Modellen seit 1950.
10 Artikel in 2 Leveln · Zur Kategorie AI Development
Die Level
- 0 Einstieg Was KI, maschinelles Lernen, Deep Learning und generative KI sind, wie sie zusammenhängen und wie Modelle aus Daten lernen. 5 Artikel
- 1 Grundlagen Klassisches maschinelles Lernen an echten Daten: Regression, Klassifikation, Entscheidungsbäume, Clustering und fairer Modellvergleich. 5 Artikel
Level 0 · Einstieg
Was KI, maschinelles Lernen, Deep Learning und generative KI sind, wie sie zusammenhängen und wie Modelle aus Daten lernen.
Level 0 · Teil 1
Das KI-Universum: wie KI, maschinelles Lernen, Deep Learning und generative KI zusammenhängen
KI, maschinelles Lernen, neuronale Netze, Deep Learning, generative KI und Agenten als eine Landkarte erklärt, mit den Meilensteinen von 1950 bis heute in Daten.
Level 0 · Teil 2
Wie Maschinen lernen: ein Experiment mit handgeschriebenen Ziffern
Überwachtes, unüberwachtes und bestärkendes Lernen an unserem Experiment: wie viele Beispiele ein Modell braucht und was es ohne Labels lernt.
Level 0 · Teil 3
Training und Inferenz: wann KI lernt und wann sie antwortet
Training und Inferenz erklärt: was passiert, wenn ein KI-Modell lernt und wenn es antwortet, was beide Phasen kosten und wie groß Trainingsläufe sind.
Level 0 · Teil 4
Parameter, Daten und Rechenaufwand: warum KI-Modelle so schnell wuchsen
Was Parameter, Trainingsdaten und Rechenaufwand bedeuten, wie schnell sie laut Epoch AI seit 2010 wuchsen und warum mehr davon KI-Modelle besser machte.
Level 0 · Teil 5
Neuronale Netze einfach erklärt: Neuronen, Schichten und Gewichte
Was ein neuronales Netz ist, gezeigt an einem selbst trainierten Netz: was ein Neuron rechnet, was Schichten und Gewichte tun und was die Größe ändert.
Level 1 · Grundlagen
Klassisches maschinelles Lernen an echten Daten: Regression, Klassifikation, Entscheidungsbäume, Clustering und fairer Modellvergleich.
Level 1 · Teil 1
Regression: wie ein Modell eine Zahl vorhersagt
Regression an echten Daten erklärt: Wir haben eine Linie durch die Daten von Epoch AI zu KI-Modellen gelegt, um den Rechenaufwand aus der Größe vorherzusagen.
Level 1 · Teil 2
Klassifikation: Accuracy, Precision und Recall erklärt
Einen Klassifikator bewerten, an unserer Ziffernerkennung: was die Genauigkeit verschweigt, was die Konfusionsmatrix zeigt und was die Schwelle bewirkt.
Level 1 · Teil 3
Entscheidungsbäume und Überanpassung: wenn ein Modell auswendig lernt
Wie ein Entscheidungsbaum entscheidet, warum ein tiefer Baum auf den Trainingsdaten 100 % schafft und auf neuen Daten versagt — und wie ein Random Forest hilft.
Level 1 · Teil 4
Welches Verfahren gewinnt? Sechs klassische Methoden im Vergleich
Sechs klassische Verfahren auf denselben Daten, von logistischer Regression bis neuronalem Netz, fair verglichen — und was jedes im Betrieb kostet.
Level 1 · Teil 5
Clustering und PCA: Struktur finden ohne Labels
Wie k-Means Gruppen in Daten findet, die niemand beschriftet hat, warum die Zahl der Gruppen schwer zu wählen ist und wie PCA 64 Pixel auf wenige Zahlen verdichtet.
Werkzeuge und Daten zum Lernpfad
13 Tools in AI Development Alle Tools vergleichen 343 Sprachmodelle in der LLM-Datenbank