Künstliche Intelligenz: Flashcards
Was versteht man unter dem Begriff „Business Intelligence“? Welche Komponenten hat eine Business Intelligence Infrastruktur?
§ Sammelbegriff für Techniken zur Konsolidierung, Analyse und Bereitstellung von Daten zu Zwecken der Entscheidungsunterstützung
§ Komponenten der BI-Infrastruktur
- Datenbanken
- Tools zur Datenverarbeitung
- analytische Plattformen
Was versteht man unter einem Data Warehouse? Was unter einem Data Mart? Welchen Nutzen können Unternehmen daraus ziehen?
Data Warehouse: Eine Datenbank mit Berichts- und Abfragefunktionen, die operative und historische Daten speichert, die aus verschiedenen betrieblichen Systemen extrahiert wurden und für Managementberichte und Analysen zusammenführt und aufbereitet.
- Daten sind unternehmensweit für Analysen und Entscheidungsfindung verfügbar.
Data Mart: Ein kleines Data Warehouse, in dem ein Teil der Unternehmensdaten für eine spezielle Funktion oder Gruppe von Benutzern aufbereitet und gespeichert wird.
- Dezentralisierte Datenhaltung mit Kosten- und Zeitvorteilen.
Welche Eigenschaften weist ein Datawarehouse auf?
§ Subject-oriented: DW orientiert sich an den Informationsbedarfen der Entscheidungsträger.
§ Integrated: Ein DW integriert Daten in einer unternehmensweiten Sicht definitorisch und inhaltlich. Die Datenhaltung erfolgt redundant.
§ Time-variant: Zeitabhängige Speicherung erlaubt aussagekräftige Analysen relevanter Kennzahlen.
§ Non-volatile: Historische Daten dürfen nicht verändert werden. Daten werden in der Regel nur einmal geschrieben und dann nicht mehr verändert.
Beschreiben Sie die Fähigkeiten von OLAP- und Data-Mining-Techniken. Was sind die Unterschiede zwischen OLAP und Data-Mining?
§ OLAP (Online Analytical Processing): Technik, um Daten aus mehreren Perspektiven/Dimensionen zu analysieren
§ Data Mining: Analyse großer Datenbestände, um Zusammenhänge, Muster, und Regeln zu finden, die als Orientierungshilfe bei der Entscheidungsfindung und der Vorhersage künftiger Entwicklungen dienen können.
§ Unterschiede zwischen OLAP und Data Mining
§ OLAP
- Abfrageorientierte, mehrdimensionale Analyse von Daten
- Voraussetzung: Klare Vorstellung, welche Frage mit Datenanalyse beantwortet werden soll
- Z.B. Abfrage von Verkaufszahlen in 2020 in einer Vertriebsregion
§ Data Mining
- Explorativer Prozess zur Identifizierung von Mustern in Daten
- Z.B. Analyse von Mustern in Kundendaten zur Identifikation rentabler Kunden
Verschiedene Arten von künstlicher Intelligenz können anhand der Dimensionen Verhalten und Rationalität unterschieden werden.
a) Beschreiben Sie vier verschiedene Arten von künstlicher Intelligenz anhand dieser Dimensionen.
§ Acting Humanly: Der Turing Test Ansatz
§ Ein Computer besteht den Test, wenn ein menschlicher Befrager nach dem Stellen einiger schriftlicher Fragen
nicht erkennen kann, ob die schriftlichen Antworten von einer Person oder einem Computer stammen.
§ Thinking Humanly: Ansatz der kognitiven Modellierung
§ Modellierung des menschlichen Denkprozesses durch Introspektion, psychologische Experimente und
Anwendung von bildgebenden Verfahren auf das Gehirn; dann Abbildung in einem Computer Programm
§ Thinking Rationally: Der Ansatz der “Gesetze des Denkens”
§ Fokus auf der Erzielung von korrekten, logischen Schlussfolgerungen durch einen Computer
§ Acting Rationally: Der Ansatz des rationalen Agenten § Konstruktion von Agenten, die das Richtige tun
§ Weitverbreitetster Ansatz aufgrund der hohen Allgemeingültigkeit
Verschiedene Arten von künstlicher Intelligenz können anhand der Dimensionen Verhalten und Rationalität unterschieden werden.
b) Welche Fähigkeiten müsste ein Computer für den Turing Test Ansatz besitzen.
§ Verarbeitung natürlicher Sprache, um erfolgreich in einer menschlichen Sprache zu kommunizieren;
§ Repräsentation von Wissen, um zu speichern, was es weiß oder hört;
§ Automatisiertes Schlussfolgern, um Fragen zu beantworten und neue Schlussfolgerungen zu
ziehen;
§ Maschinelles Lernen, um sich an neue Umstände anzupassen und Muster zu erkennen und zu extrapolieren.
Was versteht man unter maschinellem Lernen? Wie werden Modelle für maschinelles Lernen trainiert?
Maschinelles Lernen (ML) ist eine Anwendung der künstlichen Intelligenz, die Systemen die Fähigkeit verleiht, automatisch zu lernen und sich aufgrund von Erfahrungen zu verbessern, ohne explizit programmiert zu werden.
Nennen und beschreiben Sie drei Arten des maschinellen Lernens.
§ Überwachtes Lernen (supervised learning) ist eine Form des maschinellen Lernens, bei der dem System beschriftete Eingabedaten und die erwarteten Ausgabeergebnisse vorgegeben werden.
§ Datenmit„Label“(Ausgangswerte)
§ Ziel ist es ein Modell zu finden, dass die Beziehung zwischen den
”Eingabeparametern” und dem “Label” repräsentiert. § Performance des Modells ist einfach zu berechnen.
§ Unüberwachtes Lernen (unsupervised learning) ist eine Art des maschinellen Lernens, bei dem nach bisher unentdeckten Mustern in einem Datensatz gesucht wird, für den keine Kennzeichnungen vorhanden sind und der nur minimal von Menschen überwacht wird.
§ Daten ohne „Label“
§ Im Kern ist das Ziel, entweder Muster zu erkennen oder
die Dimension der Daten zu reduzieren.
§ Performance des Models schwieriger zu beurteilen als beim “überwachtem” Lernen.
§ Bestärkendes learning (reinforcement learning) ist eine Art des maschinellen Lernens, bei dem das System lernt, ein Ziel in einer unsicheren, potenziell komplexen Umgebung zu erreichen.
Agent erlernt Strategie, um Belohnungen zu maximieren
Nennen Sie typische Anwendungen für die drei Arten des maschinellen Lernens.
Überwachtes Lernen: Klassifikation, Regression (Vorhersage von Zielwerten)
Unbewachtes Lernen: Anomalie-Erkennung in Cybersecurity (Erkennung ungewöhnlicher Muster)
Kundensegmentierung (Identifikation von Kundengruppen, um Marketingstrategien zu entwickeln)
Bestärktes Lernen: Autonome Fahrzeuge, Robotik, Computerspiele
Definieren Sie Künstliche Intelligenz
Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Maschinen oder Computersystemen, Aufgaben auszuführen, die normalerweise menschliches Denken und Verhalten erfordern. KI ermöglicht es Computern, Muster zu erkennen, Schlussfolgerungen zu ziehen, Probleme zu lösen, natürliche Sprache zu verstehen und sogar menschenähnliche Fähigkeiten wie Lernen und Anpassung zu entwickeln.
Nennen Sie typische Anwendungen für die drei Arten des maschinellen Lernens.
§ Überwachtes Lernen (Supervised Learning)
§ Klassifikation
§ Regression (Vorhersage von Zielwerten)
§ Unüberwachtes Lernen (Unsupervised Learning)
§ Clusteranalyse
Kundensegmentierung (Identifikation von Kundengruppen, um Marketingstrategien zu entwickeln)
§ Bestärkendes Lernen (Reinforcement Learning)
§ Empfehlungssystem
§ Autonomes Fahren
Nennen und beschreiben Sie Anwendungen von künstlicher Intelligenz.
Computer Vision: Fähigkeit von Informationssystemen, Objekte, Szenen und Aktivitäten in Bildern zu erkennen. (z.B. Diagnose und Behandlung von Krankheiten, Gesichtserkennung).
Natural language processing (Verarbeitung natürlicher Sprache): Fähigkeit von Informationssystemen, mit Text so zu arbeiten, wie es Menschen tun (z.B. Bedeutung von Texten extrahieren
und Texte erzeugen)
Spracherkennung: automatische und genaue Transkription der menschlichen Sprache.
