Startseite
Podcasts
KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten Podcast
Gradient Descent einfach erklärt: Das Gradientenabstiegsverfahren im Machine Learning

Gradient Descent einfach erklärt: Das Gradientenabstiegsverfahren im Machine Learning

KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten vor 2 Tagen

0:00

6:46

Gradient Descent ist zweifelsohne einer der wichtigsten
Algorithmen im Machine Learning. Dank ihm kann ein Modell lernen.

Stellt euch folgendes Szenario vor: Ich setze euch mit
verbundenen Augen irgendwo auf einem Berg ab und sage: Findet
zurück zum Auto, das im Tal steht. Genau das macht ein
Machine-Learning-Modell beim Training.

In dieser Folge erkläre ich ohne Formeln, wie Modelle ihre
Parameter tatsächlich anpassen, was ein Gradient ist und wie der
Algorithmus funktioniert.

Wir schauen uns auch die Schwächen des Verfahrens an: lokale
Minima, die Lernrate als sog. Hyperparameter und dass Gradient
Descent theoretisch jedes Mal den gesamten Datensatz zur
Berechnung braucht.

Für alle drei Probleme gibt es in der Praxis Lösungen. Die
schauen wir uns in der nächsten Folge an.

Themen dieser Folge:

Was ein Gradient ist

Wie Gradient Descent als Algorithmus funktioniert mit einer
einfachen Analogie

die Kostenfunktion als 3D-Landschaft

Probleme beim Gradient Descent

Voraussetzung für diese Folge: Kostenfunktion und mathematische
Optimierung

Schaut gerne auch auf der neuen Website zum Podcast vorbei:

⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠

Dort findet ihr eine Übersicht über alle Folgen sowie die meist
gestellten Fragen schnell beantwortet.