Glossary

0-9

1-shot learning 3D convolution 5G + AI 6DoF pose estimation 7D representation 8-bit quantization 2-stage detector 9-layer network 0-shot learning 4D data

A

AGI / Artificial General Intelligence Attention Autoencoder Algorithm Artificial Intelligence (AI)

B

Backpropagation Batch Normalization BERT Bias Boosting

C

Clustering CNN / Convolutional Neural Network Chatbot Classifier / Classification Cross-Validation

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Encoder Embedding Ensemble Learning Epoch Explainable AI (XAI)

F

Foundation Model Fine-tuning Fusion / Multimodal Fusion Feature Extraction Forward Propagation

G

Graph Neural Network (GNN)GAN / Generative Adversarial Network Generative AI Gradient Descent Grounding

H

Hierarchical Model Hyperparameter Hidden Layer Hallucination Heuristic

I

Instance / Sample Instruction tuning Intelligence Amplification / Augmentation Interpretability Imbalanced Data

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

Kernel Trick KL Divergence (Kullback–Leibler Divergence)K-means Clustering K-Shot Learning Knowledge Distillation

L

Learning Rate Large Language Model (LLM)Latent Variable Loss Function LSTM / Long Short-Term Memory

M

Model Machine Learning (ML)Meta-learning Multi-head Attention Multimodal / Multimodality

N

Neural Network Novelty Detection / Anomaly Detection NLP / Natural Language Processing NLU / Natural Language Understanding Normalization

O

Objective Function Optimizer One-hot Encoding Online Learning Overfitting

P

Parameter Prompt Policy / Reinforcement Learning Policy Pooling Pretraining

Q

Query Q-learning Quality Estimation Quantization Queue / Buffer

R

Representation Learning Regularization Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)RNN / Recurrent Neural Network

S

Sampling Self-Supervised Learning Sequence Modeling Softmax Supervised Learning

T

Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning Training Data

U

Universal Approximation Theorem U-Net Underfitting Uncertainty Estimation Unsupervised Learning

V

Validation Set Vanishing / Exploding Gradient Variational Autoencoder (VAE)Vector Embedding Vision Transformer (ViT)

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

XOR problem X-axis / feature axis XAI / Explainable AI XLM XLNet

Y

Y-axis / feature axis Y-transform / YUV YAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI

Z

Zero-gradient phenomenon Zero-centric / Zero-bias initialization Z-score Normalization Zero-shot Learning / Zero-shot inference Zygosity in augmentation

Was ist ein Tokenizer?

Tokenizer - AI and technology concept illustration

© 2025 / unsplash.com

Ein Tokenizer ist eine entscheidende Komponente im Bereich der Verarbeitung natürlicher Sprache (NLP) und der Analyse von Programmiersprachen. Er ist verantwortlich dafür, Eingabetexte in kleinere Einheiten zu zerlegen, typischerweise Wörter, Subwörter oder Symbole, für die weitere Verarbeitung.

Die Tokenisierung dient als erster Schritt in der Textverarbeitung und bildet die Grundlage für verschiedene Algorithmen und Modelle, insbesondere im Kontext des maschinellen Lernens und des tiefen Lernens. Verschiedene Sprachen und Anwendungen erfordern unterschiedliche Arten von Tokenizern; beispielsweise funktionieren raumgestützte Tokenizer gut für Englisch, während zeichenbasierte Tokenizer effektiver für Chinesisch sind.

Die Bedeutung der Tokenisierung liegt in ihrer Fähigkeit, strukturierte Informationen für die Analyse und Verarbeitung von Textdaten bereitzustellen. Durch die Zerlegung von Text in Tokens können Algorithmen Muster leichter erkennen, Merkmale extrahieren und Vorhersagen generieren. Daher ist die Auswahl des geeigneten Tokenizers entscheidend für die Gewährleistung der Modellleistung.

Mit der fortschreitenden Entwicklung von künstlicher Intelligenz und maschinellem Lernen entwickeln sich auch die Methoden der Tokenisierung weiter. Viele moderne Modelle nutzen subwortbasierte Tokenisierungstechniken wie Byte Pair Encoding (BPE) oder WordPiece, die wirksam mit seltenen Wörtern und Neologismen umgehen können und die Generalisierungsfähigkeit des Modells verbessern.