Glossar und Index

Alle wichtigen Begriffe des EKI-Kurses alphabetisch, mit Kurzdefinition und Link zum jeweiligen Kapitel.

Accuracy (Treffergenauigkeit) - Anteil korrekter Vorhersagen an allen Vorhersagen, binär $\frac{TP+TN}{TP+TN+FP+FN}$; bei unausgewogenen Daten irreführend. EKI03

Aktivierungsfunktion - Funktion, die aus der gewichteten Summe eines Neurons dessen Ausgabe berechnet (z.B. Sigmoid, ReLU, Softmax). EKI06

ANN (künstliches neuronales Netzwerk) - Netz aus Schichten von Neuronen (Eingabe-, Zwischen-, Ausgabeschicht); Typen feed-forward und recurrent. EKI06

Apache Fuseki - SPARQL-Server aus Apache Jena, der Tripel als HTTP-Endpoint bereitstellt (läuft auf localhost:3030). EKI04

Apache Jena - Freies Java-Framework für Semantic Web und Linked Data (RDF API, ARQ, TDB, Fuseki, OWL). EKI04

ASK Query - SPARQL-Abfrage, die eine Bedingung prüft und einen Wahrheitswert zurückliefert. EKI04

Ausreißererkennung (Outlier/Anomaly Detection) - Aufgabe des Unsupervised Learning: Datenpunkte finden, die stark von den übrigen abweichen. EKI09

Autoencoder - Neuronales Netz aus Encoder, Latent Space und Decoder, das seinen Input komprimiert rekonstruiert (nichtlineare Dimensionsreduktion, Noise Reduction, Datengenerierung). EKI09

Autonome Waffen - Systeme, die Ziele ohne menschliches Eingreifen auswählen und bekämpfen; laut Future of Life Open Letter "dritte Revolution der Kriegsführung". EKI08

Backpropagation - Trainingsverfahren für ANNs in 5 Schritten (Vorwärtspropagierung, Fehler, Deltas letzte Schicht, Deltas rückwärts, Gewichtsanpassung); von Rumelhart, Hinton, Williams. EKI06

Bag-of-Words (BoW) - Text als Multi-Set von Worten mit Häufigkeiten, ohne Grammatik und Reihenfolge; erzeugt Feature-Vektoren. EKI07

base namespace (@base / PREFIX) - Definierter URI-Präfix, der lange RDF-URIs abkürzt (z.B. :Movie_453). EKI04

Batch size - Anzahl der Trainingsdaten, die in einer Iteration des Optimierungsprozesses genutzt werden. EKI06

Bias (Neuron) - Schwellenwert eines Neurons, realisiert über einen konstanten Eingang $in_0=1$ mit Gewicht $w_0$. EKI06

Bias im ML - Verzerrung: Modelle lernen aus historischen Daten und projizieren Vorurteile der Vergangenheit in die Zukunft (Beispiel ProPublica/COMPAS). EKI08

Binäre Klassifikation - Zuordnung zu genau zwei Klassen, z.B. Titanic Survived 0/1. EKI02

CEP (Complex Event Processing) - Verarbeiten eines Stroms von Ereignissen und Ableiten von Schlüssen daraus. EKI05

Clustering - Aufteilen eines Datensatzes in Untergruppen, sodass Punkte innerhalb einer Gruppe ähnlicher sind als zwischen Gruppen. EKI09

CNN (Convolutional Neural Network) - Deep-Learning-Architektur für Bilder aus Convolutional-, Pooling- und Fully-Connected-Schichten. EKI06

Confusion Matrix (Konfusionsmatrix) - Tabelle aus TP, FP, FN, TN, die Vorhersagen mit dem tatsächlichen Zustand vergleicht. EKI03

CONSTRUCT Query - SPARQL-Abfrage, die neue RDF-Statements als Produktionsregeln erzeugt. EKI04

Convolutional Layer (Faltung) - CNN-Schicht, die das Bild mit einem kleineren Filter/Kernel faltet, räumliche Beziehungen erhält und das Bild verkleinert. EKI06

CountVectorizer - scikit-learn-Werkzeug für Bag-of-Words: Tokenisierung, Zählen, Stoppwortfilterung in einem Schritt. EKI07

cross_val_score - scikit-learn-Funktion für Kreuzvalidierung (Default: accuracy, k=5; Regression via neg_root_mean_squared_error). EKI03

Curse of Dimensionality (Fluch der Dimensionalität) - In hohen Dimensionen wachsen Abstände ($d_n=\sqrt{n}$) und Volumen ($2^n$), Daten verdünnen sich (R. Bellman). EKI09

Cyborg - Mensch, dessen Körper durch Technik erweitert wird (Neil Harbisson, Amanda Kitts; alltäglich: Hörgeräte, Herzschrittmacher). EKI08

Dartmouth-Workshop (1956) - Konferenz, auf der der Begriff "Artificial Intelligence" geprägt wurde (McCarthy, Minsky, Shannon, Newell, Simon). EKI00

DataFrame - Zweidimensionale, beschriftete Tabelle von pandas (pd.DataFrame). EKI02

Datengenerierung - Erzeugen neuer, plausibler Daten, z.B. per PCA (Rücktransformation) oder Autoencoder (Latent-Space-Vektor). EKI09

DBMS vs. CEP - DBMS = persistente Daten + volatile Query; CEP = persistente Regel + fließender Ereignisstrom (Umkehrverhältnis). EKI05

DecisionTreeClassifier - scikit-learn-Klasse für den Entscheidungsbaum (fit/predict). EKI02

Deep Learning - ANN mit vielen Zwischenschichten, das Merkmale von low-level (Pixel) über medium-level (Formen) zu high-level (Klassen) lernt. EKI06

Dependency Parsing - spaCy-Funktion: Zuweisung syntaktischer Abhängigkeits-Labels (z.B. Subjekt, Objekt). EKI07

Dimensionsreduktion - Projektion von Daten aus $\mathbb{R}^p$ in einen niedrigeren Raum $\mathbb{R}^d$ ($d<p$). EKI09

DISTINCT - SPARQL-Schlüsselwort, das doppelte Ergebniszeilen entfernt. EKI04

Dokumenthäufigkeit (df) - Anzahl der Texte des Korpus, in denen ein Wort vorkommt; Basis der inversen Dokumenthäufigkeit. EKI07

Eigenvektor / Eigenwert - Lösungen der Gleichung $Mx = \lambda x$ ($x\neq 0$); Basis der Hauptkomponenten in der PCA. EKI09

Entropie - Maß für die Klassendurchmischung einer Menge, $H(M)=\sum_i -c_i\log_2(c_i)$; maximal bei 50/50, 0 bei reiner Klasse. EKI02

Entropieverlust (Information Gain) - Reduktion der Entropie durch einen Split; der Split mit größtem Gewinn wird gewählt. EKI02

Entscheidungsbaum - Baum mit Klassen als Blättern, Entscheidungen in inneren Knoten und Werten an den Kanten. EKI02

Ereignis (event) - Etwas Besonderes, das passiert ist (z.B. eine Transaktion, ein Sensorwert). EKI05

Ereignisobjekt (event object) - Ein Datensatz, der ein Ereignis repräsentiert. EKI05

Ereignistyp (event type) - Struktur (Attribute + Datentypen) von Ereignisobjekten; die "Klasse" eines Ereignisses. EKI05

Erklärte Varianz (explained variance) - Die pro Hauptkomponente in der PCA erfasste Varianz; ordnet PC1, PC2, ... nach Wichtigkeit. EKI09

Euklidischer Abstand - Distanzmaß $\sqrt{\sum_i (x_i-y_i)^2}$, das k-Means zur Zuordnung nutzt. EKI09

Feature - Eingabemerkmal für das ML-Modell (Teil der Matrix X). EKI02

Feature Engineering - Erstellen neuer, aussagekräftiger Features (z.B. min/max) zur Dimensionsreduktion; braucht Expertenwissen. EKI09

Feed-forward network - ANN, bei dem Ausgaben einer Schicht die Eingaben der nächsten sind (keine Rückkopplung). EKI06

FILTER - SPARQL-Konstrukt für zusätzliche Bedingungen (z.B. Datentypen). EKI04

Flash Crash - Abrupter Kurseinbruch durch automatisierte Handelsentscheidungen; Beispiel maschineller Fehlentscheidung. EKI08

F-Score (F1) - Harmonisches Mittel aus Precision und Recall; für unausgewogene Datensätze besser geeignet als Accuracy. EKI03

Fully Connected Layer - Vollverbundene Schicht am Ende des CNN; Ausgabeneuronen = Anzahl Klassen. EKI06

Gartner Hype Cycle - Kurve der Aufmerksamkeit über die Zeit in 5 Phasen; der KI-Winter entspricht dem Trough of Disillusionment. EKI00

Gesichtserkennung - CV-Anwendung: Erkennen, ob/wo Gesichter im Bild sind, plus Identifikation. EKI06

Gradientenabstieg (gradient descent) - Minimierung der Kostenfunktion durch Anpassung der Gewichte in Richtung $-\eta\nabla Cost$. EKI06

Hauptkomponentenanalyse (PCA) - Verfahren, das Features in unkorrelierte, nach Varianz geordnete Hauptkomponenten transformiert. EKI09

Hochfrequenzhandel (HFT) - Algorithmischer Börsenhandel in Sekundenbruchteilen ohne menschliches Eingreifen. EKI08

Hype / Hyperbel - Übertreibung; im KI-Kontext überzogene Erwartungen (Minsky, Kurzweil). EKI08

idf (inverse document frequency) - Inverse Dokumenthäufigkeit, $\text{idf}=\log(N/df)$; wertet seltene Wörter auf. EKI07

Information Extraction (IE) - NLP-Aufgabe: aus Texten Wissen gewinnen und Wissensgraphen aufbauen. EKI07

Information Retrieval (IR) - NLP-Aufgabe: relevante Dokumente zu einer Anfrage abrufen. EKI07

Iteratives CEP - Ausgabeereignisse werden erneut Eingabe, sodass aus low-level schrittweise high-level Ereignisse entstehen. EKI05

Join (SPARQL) - Verknüpfung über dieselbe Variable an mehreren Stellen, die jedes Mal denselben Wert erzwingt. EKI04

Kaggle - Community-Plattform mit Datensätzen und Wettbewerben (train/test-Dateien, submission.csv, Leaderboard). EKI02

Keras - High-Level Deep-Learning-API auf TensorFlow, vereinfacht Aufbau und Training von Netzen. EKI06

k-fache Kreuzvalidierung - Datensatz in k Folds teilen, k-mal trainieren/validieren, Ergebnisse mitteln. EKI03

KI (Künstliche Intelligenz) - Maschinen/Software, die das Verhalten menschlicher Intelligenz zeigen. EKI00

KI-Landkarte - Ordnungsschema (Humm) mit Achsen Acquiring/Applying, zwei Paradigmen und sechs Fähigkeitsbereichen. EKI00

KI-Winter - Phase (1980-90) enttäuschter Erwartungen, Förderkürzungen und Marktkollaps. EKI00

Klassifikation - Supervised-Aufgabe: neue Datensätze einer diskreten Kategorie zuordnen. EKI02

k-Means - Clustering-Algorithmus: k Zentren wählen, Punkte zuordnen, Zentren als Mittelwert updaten, bis Konvergenz. EKI09

k-Means++ - k-Means-Variante mit besserer Initialisierung: Startzentren proportional zu $D^2(X)$ streuen. EKI09

k-medians / k-medoids - k-Means-Varianten: Median statt Mittelwert bzw. nur Datenpunkte als Zentren. EKI09

Knowledge Graph (Wissensgraph) - Gerichteter Graph aus Knoten (Objekte, Klassen, Werte) und benannten Kanten (Beziehungen). EKI04

Kostenfunktion (cost function) - Maß des Netzfehlers, $Cost=\sum_i (target-out)^2$. EKI06

Künstliches Neuron - Bildet die gewichtete Summe seiner Eingänge und wendet eine Aktivierungsfunktion an. EKI06

Label - Gewünschte Ausgabe/Zielwert im Supervised Learning (Vektor y). EKI02

Latent Space - Niedrigdimensionaler "Flaschenhals" eines Autoencoders zwischen Encoder und Decoder. EKI09

Lemmatization - spaCy-Funktion: Zuweisung der Grundform eines Wortes (Lemma). EKI07

Lernrate ($\eta$) - Schrittweite beim Gradientenabstieg; steuert die Größe der Gewichtsanpassung. EKI06

Linked Data - Vernetztes Ökosystem öffentlicher Wissensgraphen (Wikidata, dbpedia, YAGO, MeSH). EKI04

Logic Theorist - Frühe KI-Anwendung von McCarthy zum Beweisen mathematischer Theoreme. EKI00

Loss function - In Keras die Funktion, die den Fehler zwischen aktueller und vorhergesagter Ausgabe berechnet (z.B. categorical_crossentropy). EKI06

MAE (Mean Absolute Error) - Regressionsmaß: Durchschnitt der Beträge der Abweichungen. EKI03

Machine Learning - Erzeugen eines Modells aus Eingaben (Training) und Nutzung für Vorhersagen; nicht explizit programmiert. EKI02

Maschinelle Übersetzung - NLP-Aufgabe: Übersetzen von Texten zwischen natürlichen Sprachen (z.B. DeepL). EKI07

Max-Pooling - Pooling-Variante, die das Maximum je Bereich (z.B. 2x2) nimmt. EKI06

MNIST - Datensatz handgeschriebener Ziffern (28x28 = 784 Werte); Standardbeispiel für OCR/CNN. EKI06

MSE (Mean Squared Error) - Regressionsmaß: Durchschnitt der quadrierten Abweichungen; bestraft große Fehler stärker. EKI03

MultinomialNB - Multinomiale Naive-Bayes-Variante von scikit-learn, solide Baseline für Wortzählungen. EKI07

Named Entity Recognition (NER) - spaCy-Funktion: Erkennen benannter Entitäten (Personen, Firmen, Orte). EKI07

n-Gramm - Sequenz aus N aufeinanderfolgenden Worten; erweitert Bag-of-Words um Kontext. EKI07

NLP (Natural Language Processing) - Teilbereich der KI zur Verarbeitung natürlicher Sprache (Bereich Communicating). EKI07

Normalisierung (Min-Max) - Skalierung von Features auf $[0,1]$ via $\frac{x-x_{min}}{x_{max}-x_{min}}$, wichtig vor k-Means. EKI09

NPV (Negative Predictive Value) - Klassifikationsmaß $\frac{TN}{FN+TN}$. EKI03

NumPy - Python-Paket für Scientific Computing, Hilfsbibliothek im ML-Workflow. EKI02

OCR (Optische Zeichenerkennung) - CV-Aufgabe: aus einem Bild von Text ein Textdokument gewinnen (z.B. MNIST). EKI06

One-Hot-Kodierung - Klassenlabel als Vektor mit genau einer 1 an der Klassenposition (z.B. Ziffern 0-9). EKI06

Ontologie - Formale Beschreibung von Klassen und Beziehungen einer Domäne; verwandt mit Wissensgraphen. EKI04

OPTIONAL - SPARQL-Konstrukt für optionale Werte im Muster. EKI04

Overfitting / Scheinkorrelation - Modell passt sich zufälligen Mustern an; gute Kennzahl ($R^2=0.99$) allein reicht nicht (Butter/S&P-500-Beispiel). EKI03

pandas - Python-Datenanalysepaket mit dem DataFrame; lädt und verarbeitet CSV-Daten. EKI02

Pipeline (scikit-learn) - Verkettung von Schritten (z.B. CountVectorizer -> TfidfTransformer -> MultinomialNB) als zusammengesetzter Classifier. EKI07

Pooling Layer - CNN-Schicht, die Bildregionen zusammenfasst (Max/Durchschnitt/Summe) und die Komplexität reduziert. EKI06

POS-Tagging - spaCy-Funktion: Zuweisung von Wortarten (Verb, Nomen ...) zu Tokens. EKI07

Prädikat - Mittlerer Teil eines RDF-Tripels (eine Resource), der Subjekt und Objekt verbindet. EKI04

Precision (positiver Vorhersagewert) - Anteil der als positiv klassifizierten Fälle, die wirklich positiv sind, $\frac{TP}{TP+FP}$. EKI03

Predictive Maintenance - CEP-Anwendung: aus Sensordaten Verschleiß erkennen und Wartung vorschlagen. EKI05

Produktive Anwendung - Phase, in der das trainierte Modell Vorhersagen für neue Daten liefert. EKI02

Python - De-facto-Standardsprache für KI/Data Science; Interpretersprache, dynamisch typisiert, Jupyter Notebook. EKI00

Question Answering (QA) - NLP-Aufgabe: natürlichsprachige Fragen beantworten (einfach: ähnlichste FAQ-Frage finden). EKI07

RDF (Resource Description Framework) - Formale W3C-Sprache zur Repräsentation von Wissensgraphen (Notation: Turtle). EKI04

rdflib - Python-Paket für RDF/SPARQL (Parser, Graph-Schnittstelle, SPARQL-1.1). EKI04

Reasoning - Bereich der symbolischen KI zum Schlussfolgern (Logic programming, Probabilistic reasoning, CEP). EKI00

Recall (Trefferquote) - Anteil der tatsächlich Positiven, die auch erkannt werden, $\frac{TP}{TP+FN}$. EKI03

Recurrent network - ANN, bei dem Ausgaben zu Eingängen einer früheren Schicht zurückgeleitet werden. EKI06

Regression - Supervised-Aufgabe: einen numerischen (kontinuierlichen) Ausgabewert vorhersagen. EKI03

Reinforcement Learning - ML-Bereich neben Supervised und Unsupervised Learning. EKI02

ReLU - Aktivierungsfunktion, im MNIST-CNN in den Conv- und Dense-Schichten verwendet. EKI06

Resource (RDF) - Durch eine URI eindeutig benanntes Ding im Wissensgraphen. EKI04

RMSE (Rooted MSE) - Wurzel des MSE; hat die Einheit der Zielgröße. EKI03

scikit-learn - Python-ML-Bibliothek (Modelle, Vorverarbeitung, Validierung, Pipelines). EKI02

Semantic Web - W3C-Initiative für maschinenlesbares, verknüpftes Wissen (RDF, SPARQL, OWL). EKI04

Sentiment-Analyse - Textklassifikation nach Stimmung/Meinung. EKI07

Sequential (Keras) - Modell-Topologie als Sequenz von Schichten (Conv2D, MaxPooling2D, Flatten, Dense). EKI06

Sigmoid-Funktion - Aktivierungsfunktion $f(x)=\frac{1}{1+e^{-x}}$ mit Ableitung $f'=f(1-f)$. EKI06

SimpleImputer - scikit-learn-Werkzeug zum Auffüllen fehlender Werte (z.B. strategy='mean'). EKI02

Sliding Window (Rolling Window) - Gleitfenster über den Ereignisstrom mit Parametern n (Dauer) und m (Häufigkeit). EKI05

Softmax - Aktivierung der letzten CNN-Schicht, liefert Klassenwahrscheinlichkeiten. EKI06

spaCy - Open-Source-Python-Bibliothek für fortgeschrittenes NLP (Tokenization, NER, Similarity ...). EKI07

SPARQL - W3C-Abfragesprache für RDF-Wissensgraphen (PREFIX, SELECT, WHERE). EKI04

Specificity - Klassifikationsmaß $\frac{TN}{FP+TN}$. EKI03

Subjekt - Erster Teil eines RDF-Tripels (eine Resource), über das eine Aussage gemacht wird. EKI04

Superintelligenz / Transhumanismus - Spekulative Erwartung hyper-intelligenter Maschinen, Cyborgs und Unsterblichkeit. EKI08

Supervised Learning - Überwachtes Lernen mit beschrifteten Daten; Aufgaben Klassifikation und Regression. EKI02

SVR (Support Vector Regression) - Regressionsmodell von scikit-learn, im TMDB-Beispiel genutzt. EKI03

Symbolische KI (Knowledge-based AI) - Paradigma auf Basis formalisierten Wissens (Reasoning, Acting, Knowing). EKI04

TensorFlow - Googles End-to-End-ML-Bibliothek; Basis von Keras. EKI06

Testdaten - Für die Validierung/Einreichung genutzte Daten; müssen wie die Trainingsdaten vorverarbeitet werden. EKI02

tf (term frequency) - Worthäufigkeit eines Terms im betrachteten Text. EKI07

tf-idf - Gewicht $\text{tf}\cdot\text{idf}$, das häufige Füllwörter abwertet und seltene, aussagekräftige Wörter hervorhebt. EKI07

TfidfTransformer - scikit-learn-Werkzeug, das Wortzählungen in tf- bzw. tf-idf-Werte transformiert. EKI07

TMDB (The Movie Database) - Filmdatensatz (Kaggle-Auszug), Grundlage für Regressions- und Wissensgraph-Beispiele. EKI04

Training (Fitting) - Erzeugen des Modells aus Features X und Labels y via model.fit(X, y). EKI02

train_test_split - scikit-learn-Funktion für einmaliges Aufteilen in Trainings-/Testdaten (Alternative zur teuren Kreuzvalidierung). EKI06

Tripel (RDF) - Aussage aus Subjekt, Prädikat, Objekt; . beendet, ; verkettet, a = rdf:type. EKI04

Turing-Test - Kriterium für intelligentes Verhalten nach Alan Turing. EKI00

Turtle - Kompakte RDF-Notation (Terse RDF Triple Language), im Kurs verwendet. EKI04

Type I / Type II Error - Fehlerarten der Konfusionsmatrix: FP = Type I (falscher Alarm), FN = Type II (übersehen). EKI03

Unsupervised Learning - Lernen ohne Labels; Ziele: Ausreißererkennung, Clustering, Dimensionsreduktion, Datengenerierung. EKI09

URI (Uniform Resource Identifier) - Eindeutiger Bezeichner einer RDF-Resource. EKI04

Validierung - Prüfung eines Modells vor dem produktiven Einsatz, ob es "gut genug" ist. EKI03

Varianz - Streuungsmaß $\frac{1}{n-1}\sum_i (x_i-\bar x)^2$; in der PCA das Maß für "Information". EKI09

Wissensrepräsentation - Feld "Knowing" der symbolischen KI: Wissen formal darstellen, speichern und abfragen. EKI04

Wortvektoren (word vectors / word2vec) - Mehrdimensionale Bedeutungsrepräsentationen von Wörtern, Basis der spaCy-Similarity. EKI07

Zufallsprojektion - Dimensionsreduktion via zufälliger Matrix, $\phi(x)=Rx$; Ergebnis nicht vorhersagbar. EKI09