Master-Seminar - Cheatsheet.pdf

Neurale Netzwerke und tiefe Lerntechniken

Definition:

Neurale Netzwerke sind von biologischen Nervensystemen inspirierte Modelle, die aus Neuronen und Verbindungen bestehen. Tiefe Lerntechniken verwenden Netzwerke mit vielen Schichten (Deep Learning), um komplexe Muster zu erkennen.

Details:

• Neuron: Grundelement, das Eingaben gewichtet und eine Aktivierungsfunktion anwendet.
• Schichten: Eingabe-, versteckte und Ausgabeschicht.
• Aktivierungsfunktionen: z.B. Sigmoid, ReLU.
• Trainingsprozess: Vorwärts- und Rückwärtspropagation zur Gewichtsaktualisierung.
• Überwachung erforderlich: Trainingsdaten benötigen Labels.
• Optimierung: Gradientenabstieg zur Kostenminimierung.
• Anwendungen: Bild- und Spracherkennung, Übersetzungen.

Evaluierung und Validierung von Modellen

Definition:

Evaluierung und Validierung von Modellen - Prüfung der Leistung und Generalisierungsfähigkeit eines Modells.

Details:

• Evaluierung: Messung der Modellleistung mittels Metriken (z.B. Accuracy, Precision, Recall)
• Validierung: Überprüfung der Generalisierungsfähigkeit auf unabhängigen Datensätzen (z.B. Cross-Validation)
• Trainings-, Validierungs- und Testset: Datenaufteilung zur besseren Modelleinschätzung
• Cross-Validation: \[\text{CV-Fehler} = \frac{1}{k} \sum_{i=1}^{k} \text{Fehler}(M_i)\]
• Overfitting: Modell passt zu gut an Trainingsdaten, verliert Generalisierungsfähigkeit
• Underfitting: Modell ist zu einfach, kann Datenstruktur nicht erfassen

Explorative Datenanalyse (EDA)

Definition:

Verfahren zur Untersuchung von Datensätzen, um deren Hauptmerkmale zu verstehen, oft unter Verwendung visueller Methoden; Ziel: Auffälligkeiten und Zusammenhänge identifizieren.

Details:

• Verfahren: Daten visualisieren (Diagramme, Plots), deskriptive Statistik (Mittelwert, Median, Varianz), Datenbereinigung
• Zentralbegriffe: Ausreißer, Verteilungen, Korrelationen
• Tools: R, Python (pandas, matplotlib, seaborn)
• Explorative Fragen: Gibt es Ausreißer? Welche Muster und Trends existieren?
• Ziel: Hypothesen generieren, Annahmen prüfen

Big Data Technologien (Hadoop, Spark)

Definition:

Verteilte Systeme zur Verarbeitung großer Datenmengen

Details:

• Hadoop: Framework zur verteilten Speicherung (HDFS) und Verarbeitung (MapReduce)
• Spark: Schnelle In-Memory-Verarbeitung, unterstützt u.a. Batch- und Streaming-Daten
• HDFS: Verteiltes Dateisystem innerhalb von Hadoop
• MapReduce: Programmiermodell zur Datenverarbeitung in Hadoop
• RDD (Resilient Distributed Dataset): Zentrales Abstraktionsmodell in Spark, unterstützt Ausfallsicherheit und parallele Operationen
• Spark SQL: Ermöglicht Abfragen großer Datenmengen ähnlich zu SQL
• DataFrames/Datasets: Optimierte Datenstrukturen in Spark für benutzerfreundliche und leistungsfähige Datenmanipulation

Softwarearchitektur und Design Patterns

Definition:

Softwarearchitektur definiert die grundlegenden Strukturen eines Softwaresystems, bestehend aus Softwareelementen und deren Beziehungen. Design Patterns sind wiederverwendbare Lösungen für häufig auftretende Entwurfsprobleme.

Details:

• Architekturstile: Monolithisch, Microservices, Event-Driven, Serverless
• Design Patterns: Singleton, Factory, Observer, Strategy, Decorator, Adapter
• Grundprinzipien: KISS (Keep It Simple, Stupid), DRY (Don't Repeat Yourself), SOLID-Prinzipien
• UML-Diagramme: Klassendiagramme, Sequenzdiagramme, Aktivitätsdiagramme
• Tools: Enterprise Architect, Visual Paradigm, Lucidchart

Testmethoden und Testautomatisierung

Definition:

Verschiedene Methoden, um Softwaretests durchzuführen und Prozesse zur Automatisierung dieser Tests.

Details:

• Black-Box-Testen: Tests basierend auf Spezifikationen ohne Kenntnis der internen Implementierung.
• White-Box-Testen: Tests mit Kenntnis des internen Codes und der Struktur.
• Modultests: Tests einzelner Softwaremodule/einheiten.
• Integrationstests: Testen von Schnittstellen zwischen Modulen.
• Systemtests: Gesamtsystem wird getestet.
• Abnahmetests: Verifizierung durch Kundenanforderungen.
• Testautomatisierung: Einsatz von Tools zur Durchführung von Tests ohne manuelle Eingriffe, z.B. Selenium, JUnit.
• Kosteneffizienz: Reduziert langfristig die Testkosten.
• Konsistenz: Erhöht Genauigkeit und Wiederholbarkeit der Tests.
• Skalierbarkeit: Automatisierte Tests skalieren besser mit der Menge an Testfällen.

Intelligente Agenten und Multi-Agenten-Systeme

Definition:

Definierte Einheiten, die autonom agieren, um Ziele zu erreichen; MAS bestehen aus mehreren solchen Einheiten, die interagieren.

Details:

• Intelligente Agenten: Autonome Einheiten, besitzen Fähigkeiten zur Wahrnehmung, Entscheidungsfindung, Aktion.
• Reaktiv: Reaktion auf Umgebungseinflüsse.
• Proaktiv: Zielgerichtetes Verhalten.
• Kommunikativ: Austausch von Informationen.
• MAS: Mehrere Agenten kooperieren oder konkurrieren.
• Koordination: Zentralisiert oder dezentralisiert.
• Anwendungsfelder: Robotik, Wirtschaft, Spiele, Netzwerke.
• Ziel: Effizienzsteigerung durch verteilte Problemlösung.

Netzwerksicherheitsprotokolle

Definition:

Protokolle zum Schutz der Kommunikation im Netzwerk vor Abhörung, Manipulation und anderen Angriffen.

Details:

• Wichtige Protokolle: SSL/TLS, IPsec, SSH
• Ziele: Vertraulichkeit, Integrität, Authentifizierung
• SSL/TLS: Verwendet in HTTPS, basiert auf Zertifikaten
• IPsec: Arbeitet auf Schicht 3 (Netzwerkschicht), bietet Verschlüsselung und Authentifizierung
• SSH: Sicherer Fernzugriff auf Server, ersetzt Telnet
• Sicherheitsfunktionen: Verschlüsselung (\textbf{AES}, \textbf{RSA}), Hashing (\textbf{SHA-256})