DBSCAN bei KI: Rauschen ist kein Datenfehler
Ein Punkt außerhalb einer Gruppe ist nicht automatisch falsch. Eine kleine DBSCAN-Übung zeigt, wie Nachbarschaftsregeln zu Kernpunkten, Randpunkten und Rauschen führen.
Leitartikel lesenMit GrandEdu neue Bildungswelten erleben
Künstliche Intelligenz
Stoppwörter bei KI: Wenn „nicht“ aus dem Text verschwindet
Kurze, häufige Wörter sind nicht automatisch unwichtig. Ein einfacher Textvergleich zeigt, wie Stoppwortfilter Informationen verlieren können und welche Kontrollen vor dem Einsatz...
Beitrag lesen
Robuste Skalierung bei KI: Ein neuer Maßstab entfernt keine Ausreißer
Robuste Skalierung legt den Zahlenmaßstab mithilfe von Median und Quartilsabstand fest. Eine eigene Rechenübung zeigt, warum extreme Werte bestehen bleiben und fachliche...
Beitrag lesen
F1-Score bei KI: Gleicher Wert, andere Trefferquote
Ein F1-Score von 0,80 bedeutet nicht automatisch 80 Prozent richtige Zuordnungen. Zwei erfundene Fallmengen zeigen, warum richtig negative Fälle den binären F1-Wert...
Beitrag lesen
Kosinus-Ähnlichkeit bei KI: Gleiche Richtung, unterschiedliche Menge
Vier erfundene Zahlenpaare machen die Kosinus-Ähnlichkeit nachvollziehbar. Die Lernübung zeigt, warum eine größere Menge dieselbe Richtung haben kann und ein hoher Score...
Beitrag lesen
Temperatur bei KI: Mehr Vielfalt ist keine höhere Genauigkeit
Die Temperatur kann die Vielfalt von KI-Antworten beeinflussen – sofern das verwendete System sie unterstützt. Eine eigene Lernübung zeigt, warum unterschiedliche Formulierungen...
Beitrag lesen
Chunking bei KI: Warum Textgrenzen den Kontext verändern
Regel und Ausnahme getrennt: Eine fiktive Mustergeräte-Anweisung zeigt, wie Chunk-Grenzen wichtige Zusammenhänge verlieren können und wie Fragen, Überschriften und Überlappung fachlich geprüft...
Beitrag lesen