© pixabay
Kurt Mehlhorn

Künstliche Intelligenz und maschinelles Lernen

  • FREE
  • 5h 05 min
  • German
  • Computer Science

Worum geht es im Kurs?

Künstliche Intelligenz und maschinelles Lernen sind in aller Munde. Wir sollen bald selbstfahrende Autos haben, Programme übersetzen in hoher Qualität zwischen vielen Sprachen, soziale Netzwerke stellen auf den Nutzer zugeschnittene Nachrichten zur Verfügung und Personenerkennung kann benutzt werden, um Verbrecher auf offener Straße zu erkennen.

Ich werde Ihnen die Methoden und Lernparadigmen zeigen, die hinter diesen Anwendungen stehen. Ich werde auch einige Anwendungen detailliert diskutieren: Erkennen von Spam-Emails, Erkennen von handgeschriebenen Ziffern, Bilderkennung und Computerschach. Ich diskutiere auch die Gefahren der künstlichen Intelligenz.

Was ist im Kurs enthalten?

Videos zu allen Inhalten

Hinweis

Wenn Sie über den eigentlichen Inhalt hinaus Ihr erworbenes Wissen vertiefen und eine Teilnahmebestätigung erhalten möchten, können Sie diesen Kurs um Quizze, Aufgaben, Lösungen und ein Zertifikat erweitert, erwerben: https://iversity.org/de/kuenstliche-intelligenz-und-maschinelles-Lernen

Was werden Sie lernen?

  1. Verständnis der grundlegenden Verfahren des maschinellen Lernen und der künstlichen Intelligenz
  2. Lernparadigmen: Supervised, Unsupervised, and Reinforcement Learning
  3. Die Regel von Bayes
  4. Der k-means Algorithmus zur Erkennung von Clustern
  5. Neuronale Netze: Funktionsweise, Training, Erfolge und Grenze
  6. Bestärkendes Lernen und Computerschach

An wen richtet sich der Kurs?

Alle, die mehr über künstliche Intelligenz und maschinelles Lernen wissen wollen.

Welches Vorwissen wird benötigt?

Es ist kein Vorwissen erforderlich.

Danksagung

Ich danke meinen (ehemaligen und aktuellen) Mitarbeitern, mit deren Hilfe ich die Vorlesung Ideen und Konzepte der Informatik an der Universität des Saarlandes entwickelt habe:

Dr. Konstantinos Panagiotou, Dr. Adrian Neumann, Dr. Antonios Antoniadis, Dr. Corinna Coupette und Angelina Mansion.

Dieser Kurs und die gesamte Kursreihe bauen auf dieser Vorlesung auf.

Kursinhalt

Chapter 1
Einführung und Stand der Kunst
Einführung
Potential, Gefahren, Winter und Paradigmen
Stand der Kunst
Chapter 2
Spamfilter und Regel von Bayes
Die Regel von Bayes
Spam Filter
Chapter 3
Erkennen handgeschriebener Ziffern
Handgeschriebene Ziffern, Supervised Learning
Unsupervised Learning und k-Means Algorithmus
Chapter 4
Neuronale Netze: Einführung und biologischer Hint…
Einführung in neuronale Netze
Biologischer Hintergrund
Künstliche neuronale Netze
Chapter 5
Training neuronaler Netze
Von der Funktion zum Netz: Aufgabenstellung
Von der Funktion zum Netz: Training
Chapter 6
Neuronale Netze für die Klassifizierung von Bilde…
T und C
Klassifizierung von Bildern
Zusammenfassung
Chapter 7
Bestärkendes Lernen (Reinforcement Learning)
Bestärkendes Lernen: Einführung
Computerschach I
Computerschach II
Chapter 8
Ethische Fragen bei Entscheidungsalgorithmen
Einführung
Entscheidungsalgorithmen: Qualität und Fairness
Qualität und Fairness, Teil 2
Wahl zwischen zwei Übeln

Lehrende