Kapitel 4. Algorithmen für Kanten-KI
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Es gibt zwei Hauptkategorien von Algorithmen, die für Kanten-KI wichtig sind: Feature Engineering und künstliche Intelligenz. Beide Arten haben zahlreiche Unterkategorien; in diesem Kapitel werden wir einen Querschnitt davon untersuchen.
Ziel ist es, einen Überblick über jeden Algorithmus-Typ aus technischer Sicht zu geben und seine typische Verwendung, Stärken und Schwächen sowie seine Eignung für den Einsatz auf Kanten-Hardware hervorzuheben. Dies soll dir einen Ausgangspunkt für die Planung realer Projekte geben, die wir in den nächsten Kapiteln durchgehen werden.
Feature Engineering
In der Datenwissenschaft ist Feature Engineering der Prozess, bei dem Rohdaten in Inputs umgewandelt werden, die von den statistischen Werkzeugen genutzt werden können, mit denen wir Situationen und Prozesse beschreiben und modellieren. Beim Feature Engineering geht es darum, mithilfe deines Fachwissens zu verstehen, welche Teile der Rohdaten die relevanten Informationen enthalten, und dann dieses Signal aus dem umgebenden Rauschen zu extrahieren.
Aus Sicht der Kanten-KI geht es beim Feature Engineering darum, rohe Sensordaten in verwertbare Informationen umzuwandeln. Je besser dein Feature Engineering ist, desto einfacher ist das Leben für die KI-Algorithmen, die versuchen, sie zu interpretieren. Wenn du mit Sensordaten arbeitest, ...