Summary
Keywords
Full Transcript
In diesem Video wird dir die Wichtigkeit der Datenqualität verdeutlicht. Du lernst, welchen Zusammenhang es zwischen der Qualität deiner Trainingsdaten und der Qualität der Vorhersagen deines Modells gibt. Außerdem wirst du auf einige Fallen bei der Datenqualität aufmerksam gemacht. Lernziele: Du kennst den Zusammenhang zwischen Trainingsdaten und der Genauigkeit der Vorhersagen eines Modells Du gibst Beispiele für gute und schlechte Verteilungen bei Trainingsdaten an Du entscheidest, ob eine gegebene Verteilung von Trainingsdaten für eine hohe Genauigkeit eines entsprechenden Modells geeignet ist = Information zum Kurs = Der Online-Kurs „KI für Alle: Einführung in die Künstliche Intelligenz” @heicad vermittelt in kurzen Lernvideos die Grundlagen Künstliche Intelligenz. Dabei lernt man ein Algorithmus programmiert wird, aber auch, was du mit KI bei deiner Arbeit, ob in der Forschung oder in einem Anwendungsfeld in der Praxis, bewirken kannst. Darüber hinaus werden die unterschiedlichen Einflüsse von KI auf den Alltag und verschiedene Lebens- sowie Forschungsbereiche beleuchtet und hinterfragt, welche Folgen daraus für die Gesellschaft resultieren. Das @HeiCAD https://www.heicad.hhu.de/lehre/ki-fuer-alle Den kompletten Kurs kann man auf dem @KICampus absolvieren unter https://ki-campus.org/courses/kifueralle-hhu = Informationen zum Video = Autor*in: Dr. Ann-Kathrin Selker Permalink https://doi.org/10.5446/65540 Dieses Video wurde als OER-Material auf Twillo veröffentlicht: https://www.twillo.de/edu-sharing/components/collections?id=49acbfc5-f75e-45ad-81c9-4e1ead678cd6 = Disclaimer = Transkript zu dem Video „Datenqualität“, Dr. Ann-Kathrin Selker, https://orcid.org/0009-0005-7056-1932. Dieses Transkript wurde im Rahmen des Projekts ai4all des Heine Center for Artificial Intelligence and Data Science (HeiCAD) an der Heinrich-Heine-Universität Düsseldorf unter der Creative Commons Lizenz CC-BY 4.0 veröffentlicht. Ausgenommen von der Lizenz sind die verwendeten Logos, alle in den Quellen ausgewiesenen Fremdmaterialien sowie alle als Quellen gekennzeichneten Elemente.
