Machine-Learning-Art, bei der Modelle mit gelabelten Daten trainiert werden (Input + gewünschter Output). Geeignet für Klassifikation und Regression.  

Datenanteil, der erst nach dem Training verwendet wird, um die endgültige Leistung eines Modellobjektivs zu bewerten. Nie während des Trainings sichtbar.  

Teilbereich der Künstlichen Intelligenz, bei dem Systeme aus Beispieldaten lernen, ohne explizit programmiert zu werden. Ziel ist es, Muster zu erkennen und vorherzusagen, um sie zu treffen.  

Eine Abfolge logischer Regeln oder mathematischer Schritte, mit denen ein Problem gelöst oder eine Aufgabe automatisiert wird. Algorithmen sind die Basis jeder KI, da sie bestimmen, wie Daten verarbeitet und Entscheidungen getroffen werden.  

Schwache KI ist auf spezielle Aufgaben spezialisiert (z. B. Übersetzungen oder Spracherkennung), während starke KI hypothetisch umfangreiche, menschenähnliche Intelligenz abbilden würde.  

Lernmethode, bei der ein Agent durch Trial-and-Error und Belohnungen/Strafen optimale Entscheidungen lernt. Anwendungen: Spiele, Robotik, Optimierungsprobleme.  

Überbegriff für Computertechnologien, die menschenähnliche Intelligenzleistungen simulieren. Dazu gehören Lernen, Sprachverständnis, Bilderkennung und Entscheidungsfindung.  

Eine mathematische oder logische Repräsentation des in Trainingsdaten erlernten Wissens. Modelle sind die Grundlage, mit der KI-Systeme Vorhersagen oder Klassifikationen durchzuführen.