← Zurück zu allen Fragen
Was ist eine Kostenfunktion und wie lernen KI-Modelle damit?
Eine Kostenfunktion misst, wie stark die Vorhersagen eines Machine-Learning-Modells von den tatsächlichen Werten abweichen. Beim Training passt das Modell schrittweise seine Parameter an, um diesen Fehler möglichst klein zu machen. Dieses Prinzip der mathematischen Optimierung ist die Grundlage jedes ML-Modells, von der einfachen linearen Regression bis zu komplexen neuronalen Netzen.
Das erfährst du in der Folge zusätzlich:
- Parameter eines Modells am Beispiel der linearen Regression
- Warum es Optimierungsalgorithmen wie Gradient Descent braucht
Mehr dazu in Folge 53: Wie lernen Maschinen? Kostenfunktion und Optimierung einfach erklärt →
Verwandte Fragen
- Was ist das Context Window eines Sprachmodells?
- Was sind Halluzinationen bei KI und warum passieren sie?
- Was sind Parameter bei einem KI-Modell?
- Wie viel Arbeitsspeicher (RAM/VRAM) braucht man für ein KI-Modell?
- Was sind Reasoning-Modelle und was ist Chain of Thought?
- Wie funktioniert die Transformer-Architektur hinter ChatGPT & Co.?
- Was ist der Unterschied zwischen Künstlicher Intelligenz, Machine Learning und Deep Learning?
- Was ist der Unterschied zwischen Google und ChatGPT?
- Was ist ein Token bei einem Sprachmodell?
- Was ist Quantisierung bei KI-Modellen?
- Was ist RAG (Retrieval Augmented Generation)?
- Was sind Embeddings und wozu braucht man sie?
- Wie lernt ein neuronales Netz aus seinen Fehlern?
- Kann ich ein LLM lokal und kostenlos auf meinem PC betreiben?
- Was ist Mixture of Experts (MoE) bei KI-Modellen?