Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 1)

Interaktion: Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen" aus der Sektion “Bildklassifikation und Bildsegmentierung”.

Interaktion anzeigen

Download (0.77 MB)

Nutzungsrechte: CC BY

Vervielfältigung, Bearbeitung und Verbreitung erlaubt. Namensnennung erforderlich.
Herkunftsnachweis: "Bildklassifikation und Bildsegmentierung | 06 | Wie gut ist mein Modell? Bewertung von Bildklassifikationsmodellen (Aufgabe 1)" von , lizenziert unter CC BY 4.0
Original-URL: https://moodle.ki-campus.org/course/view.php?id=111

Heinrich-Heine-Universität Düsseldorf

Dr. Ludmila Himmelspach

AI, Accuracy, Annotation, Artificial Intelligence, Bildanalyse, Bilderkennung, Bildklassifikation, Bildsegmentierung, CNN, Convolutional Neural Network, Evaluation, F-Score, Informatik, KI, KI-System, Kategorisierung, Lokalisierung, Metrik, Sensitivität, Spezifität, Technologie, eLearning, künstliche Intelligenz, maschinelles Sehen, visuelle Wahrnehmung

Lernressource	Interaktion, Kurs
Lizenz	CC BY 4.0
Zusätzliche Lizenzinformationen	Das Material ist Bestandteil vom KI-Campus Kurs "KI für Alle 2: Verstehen, Bewerten, Reflektieren". Gefördert durch das Bundesministerium für Forschung, Technologie und Raumfahrt sowie durch das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen.
Sprache	Deutsch

verknüpfte Materialien

ähnliche Materialien

Kurs: Bildklassifikation und Bildsegmentierung | 05 | Woher kommt die Bezeichnung „Convolutional”? (PDF)

Bildklassifikation und Bildsegmentierung | 05 | Woher kommt die Bezeichnung „Convolutional”? (PDF)

Wir sprechen die ganze Zeit über Convolutional Neural Networks. Aber warum heißen sie eigentlich so? In dem folgenden Video-Transkript bekommst du...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Bildanalyse, Bilderkennung, Bildklassifikation, Bildsegmentierung, Bildverarbeitung, CNN, Convolutional, Convolutional Neural Network, Faltungsoperationen, Informatik, KI, KI-System, Kategorisierung, Lokalisierung, Mittelwertfilter, Pixel, Technologie, Zero Padding, eLearning, künstliche Intelligenz, maschinelles Sehen, neuronale Netzwerke, visuelle Wahrnehmung

Kurs: KI und Nachhaltigkeit | 03 | KI-Solutionismus (PDF)

KI und Nachhaltigkeit | 03 | KI-Solutionismus (PDF)

Herzlich willkommen. Wie im Eingangsvideo erläutert, hinterfragen wir in diesem Video-Transkript die Annahme, dass KI die Lösung für all unsere...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Informatik, KI, KI-Solutionismus, KI-Technologie, Nachhaltigkeit, Nachhaltigkeitsziele, Solutionismus, Tech-Solutionismus, Technologie, Umweltschutz, eLearning, gesellschaftliche Probleme, künstliche Intelligenz

Kurs: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (PDF)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (PDF)

Du hast nun einen Überblick über die Lern- und Problemtypen und kennst verschiedene Verfahren des überwachten maschinellen Lernens. Aber wie wählt...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Entscheidungsfindung, Informatik, KI, Klassifikation, Lerntyp, Problemtyp, Rechenleistung, Regression, Technologie, eLearning, künstliche Intelligenz

Video: Generative Modelle | 06 | Sprechen mit GenAI – Prompt Engineering als Future Skill (MP4)

Generative Modelle | 06 | Sprechen mit GenAI – Prompt Engineering als Future Skill (MP4)

Mit dem Wissen um die Machart der Modelle und Anwendungen lässt sich nun wissend mit ihnen arbeiten. Im Laufe der letzten Jahre haben sich daher auch...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Future Skill, GenAI, Informatik, KI, KI-Modell, Prompt Engineering, Technologie, eLearning, generative KI, generatives KI-Modell, künstliche Intelligenz

Video: Prognosemodelle: Klassifikation und Regression | 05 | Datenbeschreibung (MP4)

Prognosemodelle: Klassifikation und Regression | 05 | Datenbeschreibung (MP4)

Bisher haben wir uns eher theoretisch und mit einem fiktiven Datensatz der Thematik Prognosemodelle, den Verfahren, auf denen sie beruhen und ihrer...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Datenbeschreibung, Datenqualität, Evaluation, Informatik, KI, Prognosemodell, Technologie, eLearning, künstliche Intelligenz

Kurs: Prognosemodelle: Klassifikation und Regression | 03 | Weitere Verfahren des maschinellen Lernens

Prognosemodelle: Klassifikation und Regression | 03 | Weitere Verfahren des maschinellen Lernens

Obwohl wir uns schon einige Verfahren des maschinellen Lernens angesehen haben, ist die Liste natürlich nicht vollständig. So gibt es noch weitere,...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Boosting, C4.5 Algorithmus, Decision trees, Informatik, KI, ML, Multinomiale logistische Regression, Naive Bayes classifier, Naiver Bayes Klassifikator, Radius neighbours Verfahren, Recurrent neural networks, Rekurrente neuronale Netze, Stacking, Support Vector Machine, Technologie, eLearning, künstliche Intelligenz, machine Learning, maschinelles Lernen

Video: Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (MP4)

Prognosemodelle: Klassifikation und Regression | 03 | Der random forest (MP4)

Du kennst jetzt das Verfahren eines einzelnen decision trees. In diesem Video befassen wir uns weiter mit Baum-basierten Verfahren, und zwar einer...

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Baum-basiertes Verfahren, Entscheidungswald, Hyperparameter, Informatik, KI, ML, Prognose, Technologie, Trade-off, Varianz, Verzerrung, bagging, eLearning, künstliche Intelligenz, machine learning, maschinelles Lernen, random feature subspacing, random forest

Kurs: Explainable, Hybrid, Robust AI | 02 | Interpretable Machine Learning (PDF)

Explainable, Hybrid, Robust AI | 02 | Interpretable Machine Learning (PDF)

Heute wollen wir einen Blick in die Welt der künstlichen Intelligenz werfen und uns dabei auf einen wichtigen Aspekt konzentrieren, die Art und Weise...

Heinrich-Heine-Universität Düsseldorf

AI, Algorithmus, Artificial Intelligence, Ausdrucksstärke, Bewusstseinsbildung, Entscheidungsfindung, Entscheidungsunterstützung, Fairness, Informatik, Interpretierbarkeit, KI, KI-System, ML, Technologie, Transparenz, Verantwortung, Vorurteile, eLearning, ethische Standards, interpretable machine learning, künstliche Intelligenz, machine learning, maschinelles Lernen, Übertragbarkeit

Als Anwendung installieren

Installieren Sie HubbS als App für ein besseres Nutzungserlebnis. Mehr erfahren.

Abbrechen