Bewertungsmetriken – Ist Ihre KI tatsächlich gut?

Öffentliche Lektionsvorschau

Erfahren Sie, warum Genauigkeit allein irreführend ist, und beherrschen Sie die Metriken – Präzision, Rückruf, F1, ROC-AUC, BLEU und Ratlosigkeit –, die die KI-Leistung wirklich messen.

Lernziele

Am Ende dieser Lektion verstehst du:

• ✓Die Genauigkeitsfalle
• ✓Die Verwirrungsmatrix
• ✓Präzision – „Wie viel von allem, was ich markiert habe, war richtig?“
• ✓Rückruf – „Wie viel habe ich von allem Positiven gefunden?“
• ✓Der Kompromiss zwischen Präzision und Rückruf

Lektionsübersicht

1. Die Genauigkeitsfalle
2. Die Verwirrungsmatrix
3. Präzision – „Wie viel von allem, was ich markiert habe, war richtig?“
4. Rückruf – „Wie viel habe ich von allem Positiven gefunden?“
5. Der Kompromiss zwischen Präzision und Rückruf
6. F1-Score – Das harmonische Mittel
7. ROC-Kurven und AUC
8. Metriken für die Textgenerierung
9. BLEU-Score
10. Ratlosigkeit
11. A/B-Tests in der Produktion
12. Wann welche Metrik verwendet werden soll
13. Wichtige Erkenntnisse
14. 📚 Weiterführende Literatur