
Quiz: Maschinelles Lernen
3 Fragen. Ohne Anmeldung. Du bist dran.
Welche Aufgabe sortiert E-Mails in Spam und Nicht-Spam?
Jetzt wird daraus ein Duell.
Mehr Fragen zum Thema Maschinelles Lernen. Fordere Freunde in LearnClash zu einem neuen Quizduell heraus.
In der App weiterspielenEin Tippen kopiert den Link dieser Seite, damit die App genau hier weitermacht.
Das waren alle Fragen dieser Vorschau. Wähle ein anderes Thema oder spiel in der App weiter.
Jeden Tag ein neues Quiz: Quiz von heute
Das Video konnte nicht geladen werden. Du kannst es auf YouTube ansehen.
Wähle ein Thema, beantworte Fragen und fordere Freunde in LearnClash heraus.
Auf YouTube ansehenEin Tippen kopiert den Link dieser Seite, damit die App genau hier weitermacht.
Maschinelles Lernen: Beispielfragen
Diese sichtbaren Beispiele zeigen den Fragenstil. LearnClash macht daraus Ranglisten-Duelle und verteiltes Wiederholen.
-
Was lernen die Sprachmodelle hinter Chatbots vorherzusagen?
Antwort: Das nächste Token
Warum: In OpenAIs GPT-Modellen umfasst ein Token englischen Texts im Schnitt etwa vier Zeichen, also rund drei Viertel eines Worts.
-
Welches Tier sah eine KI durch winzige Pixeländerungen in einem Pandafoto?
Antwort: Gibbon
Warum: Für Menschen sah das Foto unverändert aus, doch das Modell hielt es mit 99,3 % Sicherheit für einen Gibbon.
-
Wozu führt eine hohe Verzerrung in einem Modell meist?
Antwort: Unteranpassung
Warum: Das Gegenstück ist hohe Varianz: Das Modell jagt dem Zufallsrauschen in seinen Trainingsdaten nach und passt sich zu stark an.
-
Was sagt AlphaFold von DeepMind vorher?
Antwort: Proteinstrukturen
Warum: Demis Hassabis und John Jumper teilten sich für diese Arbeit an Proteinen die Hälfte des Nobelpreises für Chemie 2024.
-
Welche Einstellung bestimmt, wie weit sich Gewichte pro Schritt bewegen?
Antwort: Lernrate
Warum: Ist sie zu hoch, springt das Training über die besten Gewichte hinweg; ist sie zu niedrig, kriecht das Lernen dahin.
-
Welche Hypothese besagt, dass große Netze kleine verbergen, die ebenso gut lernen?
Antwort: Lottoschein-Hypothese
Warum: Die Autoren fanden solche Gewinner-Teilnetze mit unter 10 bis 20 % der Größe des vollen Netzes bei kleinen Bildaufgaben.