Datei:Machine learning workflow de.svg
Größe der PNG-Vorschau dieser SVG-Datei: 259 × 379 Pixel. Weitere Auflösungen: 164 × 240 Pixel | 328 × 480 Pixel | 525 × 768 Pixel | 700 × 1.024 Pixel | 1.399 × 2.048 Pixel.
Originaldatei (SVG-Datei, Basisgröße: 259 × 379 Pixel, Dateigröße: 38 KB)
Beschreibung
| Beschreibung | Machine Learning workflow with german text |
| Datum | |
| Quelle | Eigenes Werk |
| Urheber | Buecherdiebin |
Lizenz
Ich, der Urheberrechtsinhaber dieses Werkes, veröffentliche es hiermit unter der folgenden Lizenz:
|
Es ist erlaubt, die Datei unter den Bedingungen der GNU-Lizenz für freie Dokumentation, Version 1.2 oder einer späteren Version, veröffentlicht von der Free Software Foundation, zu kopieren, zu verbreiten und/oder zu modifizieren; es gibt keine unveränderlichen Abschnitte, keinen vorderen und keinen hinteren Umschlagtext.
Der vollständige Text der Lizenz ist im Kapitel GNU-Lizenz für freie Dokumentation verfügbar. |
Diese Datei ist unter den Creative Commons-Lizenzen Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International, 3.0 nicht portiert, 2.5 Allgemein, 2.0 Allgemein und 1.0 Allgemein lizenziert.
- Dieses Werk darf von dir
- verbreitet werden – vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden
- neu zusammengestellt werden – abgewandelt und bearbeitet werden
- Zu den folgenden Bedingungen:
- Namensnennung – Du musst angemessene Urheber- und Rechteangaben machen, einen Link zur Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden. Diese Angaben dürfen in jeder angemessenen Art und Weise gemacht werden, allerdings nicht so, dass der Eindruck entsteht, der Lizenzgeber unterstütze gerade dich oder deine Nutzung besonders.
- Weitergabe unter gleichen Bedingungen – Wenn du das Material wiedermischst, transformierst oder darauf aufbaust, musst du deine Beiträge unter der gleichen oder einer kompatiblen Lizenz wie das Original verbreiten.
Du darfst es unter einer der obigen Lizenzen deiner Wahl verwenden.
Dateiversionen
Klicke auf einen Zeitpunkt, um diese Version zu laden.
| Version vom | Vorschaubild | Maße | Benutzer | Kommentar | |
|---|---|---|---|---|---|
| aktuell | 09:14, 29. Apr. 2024 | | 259 × 379 (38 KB) | wikimediacommons>Buecherdiebin | improve text, form and colours |
Dateiverwendung
Mehr als 100 Seiten verwenden diese Datei. Die folgende Liste zeigt nur die ersten 100 Verwendungen dieser Datei. Eine vollständige Liste ist verfügbar.
- AI Literacy
- Adaptive Lernsoftware
- Adaptive Lerntechnologien
- AiMOOC: Was ist KI?
- Anwendungen der KI
- Arbeitsheft Künstliche Intelligenz
- Artificial Intelligence (KI)
- Auseinandersetzung mit realen KI-Anwendungen und deren Auswirkungen auf die Arbeitswelt
- Bias in der KI
- Big Data und KI
- Bilderkennung
- ChatGPT4 programmiert
- ChatGPT im Unterricht
- ChatGPT und Feedback
- ChatGPT und Fortschrittsberichte
- ChatGPT und Gruppenarbeit
- ChatGPT und Hausaufgaben
- ChatGPT und Interaktion
- ChatGPT und Lerninteressen
- ChatGPT und Lernziele
- ChatGPT und Nachbereitung
- ChatGPT und Tests
- ChatGPT und Themenintroduktion
- ChatGPT und Unterrichtsmaterialien
- ChatGPT und Verknüpfung von Wissen
- ChatGPT und Vorwissen
- ChatGPT und aiMOOCs
- ChatGPT und personalisierte Lernpfade
- ChatGPT und personalisierte Lernpläne
- Chatbots im Unterricht
- Computational Creativity
- Computer Vision
- Data Mining
- Data Poisoning
- Daten und KI
- Daten und KI - Bedeutung und Einfluss der Datenqualität auf KI-Modelle erklären - E - Kompetenzraster Informatik 6
- Daten und KI - Daten für einfache KI-Modelle vorbereiten und nutzen - M - Kompetenzraster Informatik 6
- Daten und KI - Daten sammeln und sortieren - G - Kompetenzraster Informatik 6
- Datenquellen für KI-Projekte erkunden
- Decision Trees
- Definitionen und Schlüsselkonzepte der KI
- Echtzeit-Datenanalyse
- Einführung in maschinelles Lernen
- Einsatz von KI im adaptiven Lernen
- Embeddings
- Entscheidungsbäume
- Entwicklung eigener KI-Projekte
- Entwicklung eigener kleiner KI-Projekte
- Ethik in der Künstlichen Intelligenz
- Ethische Fragen der KI
- Ethische Richtlinien für KI
- Expertensysteme
- Explainable AI
- Fairness in der KI
- Feature Engineering
- Federated Learning
- Feedback Arten von KI
- Forschung und Entwicklung in der Künstlichen Intelligenz - Komplexe KI-Systeme entwerfen, implementieren und evaluieren - E - Kompetenzraster Künstliche Intelligenz im Studium
- Generative Adversarial Networks (GANs)
- Grundlagen der KI
- Heuristische Suche
- Image Recognition
- Intelligente Agenten
- KI
- KI-Grundlagen
- KI-Grundlagen für Lehrkräfte
- KI-Tools für Lehrkräfte
- KI Feedback Arten
- KI als Unterstützung statt Ersatz
- KI im Bildungsbereich
- KI im Finanzwesen
- KI in der Produktion
- KI in der Unterhaltung
- KI und Ethik
- KI vor, in und nach der Präsenzphase
- Kognitive Modellierung im adaptiven Lernen
- Kognitive Systeme
- Konzepte der KI
- Künstliche Intelligenz und Gesellschaft
- Künstliche Intelligenz und ihre Auswirkungen auf die Gesellschaft
- Machine Learning in der Bildung
- Natürliche Sprachverarbeitung (NLP)
- Neuronale Netze
- Objektivität eines KI-Feedbacks
- Ontologien in der KI
- Predictive Analytics
- Quantencomputing und KI
- Schlüsselkonzepte der KI
- Schwache vs. Starke KI
- Spracherkennung
- Supervised Learning Feedback
- Symbolische KI
- Technologische Plattformen für adaptives Lernen
- Text-zu-Bild-Modell
- Unüberwachte Lernverfahren
- Virtuelle Persönliche Assistenten
- Vorteile von KI im Unterricht
- Wissensrepräsentation und -schlussfolgerung
- XAI (Explainable Artificial Intelligence)
- Zusammenfassung der KI-Konzepte
Weitere Links auf diese Datei.
Metadaten
Diese Datei enthält weitere Informationen, die in der Regel von der Digitalkamera oder dem verwendeten Scanner stammen. Durch nachträgliche Bearbeitung der Originaldatei können einige Details verändert worden sein.
| Breite | 206.929pt |
|---|---|
| Höhe | 303.307pt |
