01
KI-Grundlagen
Verstehen Sie, was KI ist, wie Systeme lernen, wo sie versagen und wie Sie Ansprüche ohne Aufregung beurteilen können.
Kostenlose KI-Bibliothek
Grundlagen FührerFür immer kostenlos.
84 Leitfäden in einfachem Englisch, strukturierte Lernpfade und eine offene Bibliothek – erstellt von einer unabhängigen gemeinnützigen Organisation 501(c)(3), damit jeder moderne KI verstehen kann.
84Kostenlose Reiseführer
1Themenspuren
~2 minPro Reiseführer
~3hLesezeit
Beginnen Sie hier
Fünf ergebnisorientierte Kurse
Jeder Kurs umfasst explizite Ergebnisse, abgebildete Kompetenzen, Übungsaktivitäten und einen angewandten Schlussstein.
02
Verantwortlicher KI-Benutzer
Nutzen Sie KI produktiv und schützen Sie gleichzeitig die Privatsphäre, überprüfen Sie die Ergebnisse und wahren Sie die menschliche Verantwortung.
03
KI bei der Arbeit
Bewerten Sie Anwendungsfälle am Arbeitsplatz, führen Sie sichere Pilotprojekte durch, messen Sie den Wert und kommunizieren Sie Änderungen verantwortungsbewusst.
04
KI-Politik und Gesellschaft
Analysieren Sie KI-Systeme anhand von Rechten, Gerechtigkeit, Governance, Sicherheit und Ergebnissen im öffentlichen Interesse.
05
Bauen mit KI-Systemen
Verstehen Sie Sprachmodelle, Abruf, Agenten, Bewertung, Kosten und Bereitstellungsschutz durch praktisches Systemdesign.
Themenspuren
Nach Titel durchsuchen
Springen Sie in den Bereich, der Ihnen am Herzen liegt. Zu jedem Titel gibt es mehrere leicht verständliche Anleitungen.
GrundlagenKernkonzepte: Wie KI auf hohem Niveau funktioniert.84 Führer Sprach-KILLMs, NLP, ChatGPT, Eingabeaufforderung und Textverständnis.155 Führer Visuelle KIBilderzeugung, Computer Vision, Video und Design.133 Führer Audio-KIStimme, Musik, Podcasting und Audio-First-KI.117 Führer UnternehmenProfile von OpenAI, Anthropic, Google, Meta und mehr.121 Führer AnwendungenWie KI in Codierung, Suche, Agenten und im täglichen Leben zum Ausdruck kommt.111 Führer BranchenKI in den Bereichen Gesundheitswesen, Finanzen, Bildung, Energie und mehr.91 Führer TechnischChips, Feinabstimmung, RAG, Vektoren und KI-Infrastruktur.177 Führer GesellschaftVoreingenommenheit, Privatsphäre, Urheberrecht, Sicherheit und die Zukunft der KI.30 Führer
Vollständige Bibliothek
Alle Führer
84 von 1019 Anleitungen angezeigt. Filtern Sie nach Titel oder suchen Sie oben.
Grundlagen
Selbstspiel-Feinabstimmung
Durch die Selbstspiel-Feinabstimmung wird ein Modell verbessert, indem es mit seinen eigenen früheren Ergebnissen konkurriert oder daraus lernt und so ein eigenes Trainingssignal generiert.
GrundlagenTestzeittraining
Durch das Testzeittraining (TTT) kann ein Modell in dem Moment, in dem es eine Vorhersage trifft, weiter aus jeder neuen Eingabe lernen, anstatt nach dem Training eingefroren zu bleiben.
GrundlagenGrokking und verzögerte Generalisierung
Grokking ist ein verblüffendes Phänomen, bei dem ein neuronales Netzwerk zunächst seine Trainingsdaten speichert, lange Zeit bei einer Validierungsgenauigkeit nahe Null verharrt und dann ...
GrundlagenÜberanpassung und Unteranpassung
Überanpassung liegt vor, wenn ein Modell seine Trainingsdaten speichert und bei neuen Beispielen versagt. Unteranpassung liegt vor, wenn es zu einfach ist, das tatsächliche Muster zu erfassen.
GrundlagenRegularisierung
Bei der Regularisierung handelt es sich um eine Reihe von Techniken, die ein Modell bewusst einschränken, sodass es auf neue Daten verallgemeinert wird, anstatt sich den Trainingssatz zu merken.
GrundlagenRückpropagation
Backpropagation ist der Algorithmus, der es einem neuronalen Netzwerk ermöglicht, aus seinen Fehlern zu lernen, indem es effizient berechnet, wie viel jedes Gewicht zum Fehler beigetragen hat.
GrundlagenGefälleabstieg
Der Gradientenabstieg ist die Optimierungsmethode, die die Gewichte eines Modells tatsächlich schrittweise nach unten in Richtung eines geringeren Fehlers verschiebt.
GrundlagenVerlustfunktionen
Eine Verlustfunktion ist die einzelne Zahl, die einem Modell sagt, wie falsch seine Vorhersagen sind, und so aus einem vagen Ziel etwas macht, das durch Mathematik optimiert werden kann.
GrundlagenAktivierungsfunktionen
Aktivierungsfunktionen sind die kleinen nichtlinearen Tore innerhalb jedes Neurons, die es neuronalen Netzwerken ermöglichen, komplexe, gekrümmte Muster statt nur gerader Linien zu lernen.
GrundlagenFaltungs-Neuronale Netze
Convolutional Neural Networks (CNNs) sind die Arbeitsarchitektur für das Verständnis von Bildern.
GrundlagenWiederkehrende neuronale Netze
Wiederkehrende neuronale Netze (RNNs) sind für die Verarbeitung von Sequenzen wie Text, Sprache und Zeitreihen konzipiert.
GrundlagenGenerative gegnerische Netzwerke
Generative Adversarial Networks (GANs) erzeugen realistische neue Daten, indem sie zwei neuronale Netze in einem Wettbewerb gegeneinander antreten lassen.
Mit dem Lesen fertig? Beweisen Sie es.
Überprüfen Sie anhand von Themenquiz, was Sie gelernt haben, und erkunden Sie anschließend unsere strukturierten Kurse und aktuellen Zertifizierungsanforderungen. Die wichtigsten Leitfäden bleiben weiterhin frei lesbar.