Wie lernen Maschinen? Kostenfunktion und Optimierung einfach erklärt

Episode von KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten von Marc Benesch · 27. August 2026 · 7 min

Wie lernt ein Machine-Learning-Modell eigentlich? Hinter dem „Lernen" steckt keine Magie, sondern mathematische Optimierung. Und die funktioniert nach einem Prinzip, das ihr aus dem Alltag kennt.

Ich erkläre anhand anschaulicher Beispiele, was eine Kostenfunktion ist, was Parameter eines Modells sind und wie beides zusammen dafür sorgt, dass ein Modell besser wird.

Die Folge über Optimierungsalgorithmen wie Gradient Descent wird auf diese Folge aufbauen.

Themen dieser Folge:

• Was mathematische Optimierung ist und warum sie die Grundlage jedes ML-Modells bildet

• Kostenfunktion und Parameter

• Lineare Regression: Optimierung mit nur zwei Parametern

• Warum es Optimierungsalgorithmen wie Gradient Descent braucht

Schau gerne auch auf der neuen Website zum Podcast vorbei:

⁠https://podcast.pyucation.de

Dort findest du eine Übersicht über alle Folgen sowie die meist gestellten Fragen schnell beantwortet.

Folge zu Neuronalen Netzen und wie sie lernen:

https://open.spotify.com/episode/1vu4mSvU9YpJs0mZdTwTbC?si=mKhjhhkySjO13raaPw8RiA

Weitere Episoden von „KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten“

Alle Episoden von KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten · Mehr Bildung-Podcasts