← Zurück zur Übersicht
← Zurück zur Übersicht
Wissensfolge 27. August 2026 7 Min.
Wie lernen Maschinen? Kostenfunktion und Optimierung einfach erklärt
Eine Erweiterung zu den Folgen, wie Maschinen eigentlich lernen. Was mathematische Optimierung einfach verständlich bedeutet und wie es uns im Machine Learning hilft.
Worum geht’s in dieser Folge?
Wie lernt ein Machine-Learning-Modell eigentlich? Hinter dem „Lernen” steckt keine Magie, sondern mathematische Optimierung. Und die funktioniert nach einem Prinzip, das ihr aus dem Alltag kennt. Ich erkläre anhand anschaulicher Beispiele, was eine Kostenfunktion ist, was Parameter eines Modells sind und wie beides zusammen dafür sorgt, dass ein Modell besser wird. Die Folge über Optimierungsalgorithmen wie Gradient Descent wird auf diese Folge aufbauen.
Themen dieser Folge:
- Was mathematische Optimierung ist und warum sie die Grundlage jedes ML-Modells bildet• Kostenfunktion und Parameter• Lineare Regression: Optimierung mit nur zwei Parametern
- Warum es Optimierungsalgorithmen wie Gradient Descent braucht
Die Folge zu Neuronalen Netzen und wie sie lernen findet ihr hier (Direktlink zu Spotify).
Shownotes
- Kostenfunktion und Optimierung einfach erklärt
- Wie Machine-Learning-Modelle wirklich lernen