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
Diffusionsmodelle
Diffusionsmodelle erzeugen Bilder, indem sie lernen, einen Rauschprozess umzukehren und zufällige Statik Schritt für Schritt in detaillierte Bilder umzuwandeln.
GrundlagenFew-Shot-Lernen
Few-Shot-Learning ist die Fähigkeit, eine neue Aufgabe anhand nur einer Handvoll statt Tausender Beispiele zu lernen.
GrundlagenEinbettungen
Durch Einbettungen werden Wörter, Bilder oder andere Daten in Zahlenlisten (Vektoren) umgewandelt, sodass ähnliche Dinge in einem hochdimensionalen Raum nahe beieinander landen.
GrundlagenTokenisierung
Bei der Tokenisierung handelt es sich um den Schritt, bei dem Text in kleinere Teile, sogenannte Token, zerlegt wird. Dabei handelt es sich um die Einheiten, die ein Sprachmodell tatsächlich liest und vorhersagt.
GrundlagenFeature-Engineering
Beim Feature-Engineering handelt es sich um die Kunst, Rohdaten in informative Eingaben (Features) umzuwandeln, die einem Modell beim Lernen helfen.
GrundlagenEntscheidungsbäume und Zufallswälder
Ein Entscheidungsbaum trifft Vorhersagen, indem er eine Reihe einfacher Ja/Nein-Fragen stellt, ähnlich einem Flussdiagramm.
GrundlagenUnterstützen Sie Vektormaschinen
Eine Support Vector Machine (SVM) ist ein klassischer Algorithmus, der zwei Gruppen trennt, indem er eine möglichst breite Grenze zwischen ihnen zieht.
GrundlagenDimensionsreduktion
Durch die Dimensionsreduktion werden Daten aus vielen Spalten (Features) auf wenige reduziert, während die wichtige Struktur erhalten bleibt.
GrundlagenTransferlernen
Beim Transferlernen wird ein bereits anhand eines großen Datensatzes trainiertes Modell wiederverwendet und an eine neue, verwandte Aufgabe angepasst.
GrundlagenSelbstüberwachtes Lernen
Beim selbstüberwachten Lernen werden Modelle anhand unbeschrifteter Daten trainiert, indem eine Aufgabe erfunden wird, deren Antwort in den Daten selbst verborgen ist.
GrundlagenHalbüberwachtes Lernen
Beim halbüberwachten Lernen wird auf einer kleinen Menge gekennzeichneter Daten und einem großen Pool unbeschrifteter Daten trainiert.
GrundlagenAnomalieerkennung
Unter Anomalieerkennung versteht man die Praxis, Maschinen beizubringen, Datenpunkte zu kennzeichnen, die stark von normalen Mustern abweichen.
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.