Mit welchen Arten des maschinellen Lernen haben sie bereits gearbeitet?

Frage: Mit welchen Arten des maschinellen Lernen haben sie bereits gearbeitet?
- Stichworte:
  KI-Typ,
  Maschinelles Lernen
Frage gestellt head28ant am 24 Sep 2024.
- Annegret Janzso Beantwortet am 24 Sep 2024:
  
  Ich habe selbst bisher mit Neuronalen Netzwerken und Sprachmodellen gearbeitet, insbesondere im Studium. Jetzt mache ich weniger direkt mit Maschinellem Lernen, sondern mehr mit KI in Simulationen.
- Karsten Weber Beantwortet am 24 Sep 2024:
  
  Ich entwickle keine KI-Systeme, daher kann ich hier keine Antwort geben.
- Sonja Hänzelmann Beantwortet am 24 Sep 2024:
  
  Ich habe mit verschiedenen maschinellem Lernen Methoden gearbeitet, unter anderem Hauptkomponentenanalyse, Clustermethoden, Klassifikationsmethoden (zB multivariate Regression oder Random Forests), supervised und unsupervised Methoden.
- Valerie Vaquet Beantwortet am 24 Sep 2024:
  
  Da ich in meinem Studium kognitive Informatik und Intelligente Systeme in Bielefeld sehr viele Kurse zu maschinellem Lernen belegt habe, hatte ich mit den meisten gängigen Modellen schon Kontakt. In meiner Forschung arbeite ich sehr viel mit klassischen Modellen zur Klassifikation. Da ich oft wenige Daten habe und selten Bilder oder Sprache als Eingabe habe, funktioniert das sehr gut!
- Matthias Burkhardt Beantwortet am 25 Sep 2024:
  
  Ich gebe dir mal ein paar Stichwörter im Bereich Deep Learning, über die du dich gerne selbständig weiter informieren kannst, falls dich die Technologien interessieren (gerne auch mit KI 😉 ):
  
  – RNN (LSTM) auf Zeitreihendaten.
  – CNN (Inceptionv3) und Vision Transformer auf Bildern.
  – Auto-Encoder für Dimensionsreduktion auf tabellarischen Daten.
  
  Speziell das Grundkonzept eines CNNs bildet die Basis für sehr, sehr viele KI Anwendungen, die mit Bildern arbeiten.
- Fabian Zehner Beantwortet am 25 Sep 2024:
  
  Vor allem mit Klassifikationsmethoden, angefangen von simplen Lernalgorithmen wie Naïve Bayes, regelbasierten Lernern, Entscheidungsbäumen, über Ensemble Learning (wie Random Forest), einfache neuronale Netze bis hin zu sog. Fine-Tuning tiefer, vortrainierter neuronaler Netze (Deep Neural Nets / Deep Learning).
  
  Ziel ist es bei mir dabei häufig, geschriebene Texte von Schüler*innen zu bewerten (ob sie richtig oder falsch sind). Das heißt, wir stecken Texte vorne ins Modell rein und hinten kommt dann für jeden Text eine Klasse raus wie `richtig` oder `falsch` (daher nennt sich diese Art des maschinellen Lernens Klassifikation).
  Manchmal stecken wir aber auch andere Daten vorne ins Modell, z. B. welche Buttons in einer Lernumgebung angeklickt wurden.
  
  Inzwischen arbeiten wir auch mit sog. sequence-to-sequence Modellen (das sind wieder Deep Neural Nets), bei denen man vorne ebenso Text reinsteckt, hinten dann aber genauso Text rauskommt (also wie bei Tools zur Übersetzung, bei denen man einen Satz in Deutsch schreibt und das Tool liefert dann die arabische Übersetzung). Die habe ich aber selbst noch nicht trainiert, nur eingesetzt.
- Clarissa Elisabeth Hohenwalde Beantwortet am 26 Sep 2024:
  
  In meinem Medieninformatikstudium habe ich viele verschiedene Arten von maschinellem Lernen kennengelernt und ausprobieren dürfen, z.B.: Neuronale Netzwerke, Clusteringmethoden oder Klassifikationsverfahren.
  
  In meiner Forschung beschäftige ich mich mit Sprachmodellen. Dabei programmiere ich selbst meistens keine KI-Systeme, sondern versuche herauszufinden wie gut bestehende Sprachmodelle wie ChatGPT in unterschiedlichen Aufgaben sind. Manchmal verwende ich bei der Auswertung von Forschungsdaten Regressionsanalysen, einfache Classifier oder Topic-Modelle.