© pixabay
Kurt Mehlhorn

Künstliche Intelligenz und maschinelles Lernen (MOOC)

kostenfreier Kurs - nur Videos

  • FREE
  • mandatory workload 5 h 05 min
  • language German
  • topics 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

Kursinhalt

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

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.

Lehrende

  • FREE
  • mandatory workload 5 h 05 min
  • language German
  • topics Computer Science

Künstliche Intelligenz und maschinelles Lernen (MOOC)