Hyperparameter Tuning ist ein zentraler Begriff aus den Bereichen Künstliche Intelligenz und Big Data. Dabei geht es um die Feineinstellung von Einstellungen („Hyperparametern“) bei Computerprogrammen, die durch maschinelles Lernen Probleme lösen sollen.
Stellen Sie sich vor, Sie möchten eine Künstliche Intelligenz trainieren, um E-Mails automatisch in „wichtig“ und „unwichtig“ einzuteilen. Ihr Computerprogramm hat verschiedene Stellschrauben, zum Beispiel wie oft es Daten durchläuft oder wie stark es auf Fehler reagiert. Diese Einstellungen nennt man Hyperparameter. Wie bei einem Rezept müssen Sie die Zutaten und Mengen richtig wählen, damit das Ergebnis am Ende überzeugt.
Beim Hyperparameter Tuning probieren Sie systematisch verschiedene Einstellungen aus, bis die Künstliche Intelligenz die bestmögliche Leistung zeigt. Das ist ähnlich wie beim Backen: Mal nimmt man mehr Zucker, mal weniger, bis der Kuchen am besten schmeckt.
Richtiges Hyperparameter Tuning spart Zeit, sorgt für bessere Ergebnisse und macht Anwendungen von Künstlicher Intelligenz in Bereichen wie Spamerkennung oder Vorhersagen genauer. Besonders bei Big Data, also sehr großen Datenmengen, ist diese Methode entscheidend, um brauchbare Resultate zu erzielen.
Deutsch 
English (UK)