Künstliche Intelligenz und Maschinelles Lernen in der Praxis (openHPI)

Künstliche Intelligenz und Maschinelles Lernen in der Praxis (openHPI)
Free Course
Categories
Effort
Certification
Languages
Misc

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Künstliche Intelligenz und Maschinelles Lernen in der Praxis (openHPI)
Alle reden über “Maschinelles Lernen”, "Neuronale Netze", "Künstliche Intelligenz" und "Deep Learning - doch wie diese Techniken genau in der Praxis funktionieren und eingesetzt werden, erfahren Sie in diesem weiterführenden openHPI Kurs. In diesem vierwöchigen Gratis-Kurs können Jugendliche und andere Interessierte ohne Programmier-Erfahrung und technisches Hintergrundwissen lernen, wie Machine Learning Projekte in der Praxis umgesetzt werden können. Wir wollen dabei das Basiswissen aus dem Kurs “Künstliche Intelligenz und Maschinelles Lernen für Einsteiger” weiter vertiefen und Ihnen ein Gefühl für die Chancen und Herausforderungen von Machine Learning Projekten in der Praxis vermitteln. Dafür betrachten wir mehrere konkrete Anwendungsfälle - unter anderem die Erkennung von Gebärdensprache aus Bildern und die Stimmungsanalyse von Zeitungsartikeln. Geleitet wird der Kurs von den Masterstudenten Johannes Hötter und Christian Warmuth.

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Course information

Im Einstiegskurs “Künstliche Intelligenz und Maschinelles Lernen für Einsteiger” wurden bereits Grundlagen zum Thema Maschinelles Lernen und Künstliche Intelligenz vermittelt. In diesem Folgekurs wollen wir nun die praktische Umsetzung dieser Thematik beleuchten und Ihnen Herausforderungen und Chancen im Umgang mit realen Daten und Anwendungsfällen vermitteln.

Die Kursleiter Johannes Hötter und Christian Warmuth werden hierbei das erlernte Wissen vertiefen und in Teilen ergänzen. Im Fokus stehen jedoch die interaktiven und realen Anwendungsfälle. Wir werden hierbei alle Schritte eines realen datengetriebenen Projektes behandeln und erklären - von der ersten Sicht auf die Daten, über das Training des jeweils verwendeten ML-Modells bis hin zur Ergebnisanalyse und Interpretation.

Für den Kurs wird keine Programmiererfahrung vorausgesetzt, da keine eigene Programmierung nötig sein wird - die gezeigten Programmierbeispiele werden von den Kursleitern umgesetzt. Natürlich können aber diejenigen, die gerne im Kurs programmieren möchten, unsere Lösungen nachvollziehen, unsere Lösungen selbst ausführen und eigene Herangehensweisen entwickeln. Tiefergehende Mathematik-Kenntnisse werden ebenfalls nicht vorausgesetzt. Die Kenntnis der Inhalte des Kurses “Künstliche Intelligenz und Maschinelles Lernen für Einsteiger” wird vorausgesetzt. Falls Sie bisher nicht am Kurs teilgenommen haben, können Sie diesen im Selbststudium absolvieren.


Zielgruppe

Der Onlinekurs richtet sich an Schülerinnen und Schüler von Oberschulen sowie auch an interessierte Erwachsene ohne Programmiererfahrung und ohne technisches Hintergrundwissen.


Kursstruktur


Woche 1: Wiederholung wichtiger Konzepte und praktisches Projekt über die Vorhersage von Wohnungspreisen

Woche 2: Zweites praktisches Projekt über Vorschläge neuer Filme und hierfür wichtige Theorie

Woche 3: Drittes Anwendungsfall: Stimmungsanalyse in Twitter-Nachrichten

Woche 4: Erkennung von Gebärdensprache-Bildern und Übersetzung in Text als viertes praktisches Projekt


Arbeitsaufwand

Für das Durcharbeiten von Lehr-Videos, Selbsttests, Hausaufgaben und Prüfungen sowie für die Diskussion des Stoffs im Kursforum mit den anderen Lernenden und dem Kursleiter-Team sollten die Teilnehmenden von einem Zeitaufwand von 3 bis 6 Stunden pro Woche ausgehen.



0
No votes yet

MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.