Künstliche Intelligenz und maschinelles Lernen für Einsteiger (openHPI)

Künstliche Intelligenz und maschinelles Lernen für Einsteiger (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 für Einsteiger (openHPI)
Hier lernen Jugendliche und andere Interessierte ohne Programmier-Erfahrung und technisches Hintergrund-Wissen, die Welt des maschinellen Lernens und der künstlichen Intelligenz zu verstehen. Wir führen Sie dazu in die grundlegenden Konzepte ein. Dabei erfahren Sie, wo die Unterschiede zwischen herkömmlicher Programmierung und der Entwicklung selbstlernender Software liegen. Anhand von Beispielen erfahren Sie, was überwachtes, nicht überwachtes und verstärkendes Lernen sind. Denn diese Konzepte bilden den Kern für die Algorithmen, welche das maschinelle Lernen bewirken. Erleben Sie anhand einer konkreten Anwendung, wie mit einem solchen Lernprozess Muster und Strukturen in großen Datenmengen erkannt werden können. Auch auf ethische Fragen beim Einsatz künstlicher Intelligenz sowie die Begrenzungen der Technologie maschinellen Lernens wird in dem vierwöchigen Gratis-Kurs eingegangen. Geleitet wird er 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.

Obwohl viel diskutiert, sind neuste Technologien wie künstliche Intelligenz und maschinelles Lernen den meisten noch ein Buch mit sieben Siegeln. Das will unser openHPI-Kurs für Einsteiger ändern. Schülerinnen und Schüler, aber auch interessierte Erwachsene sollen die zugrundeliegenden Konzepte kennen und verstehen lernen. Angesprochen sind alle, die noch keine Programmiererfahrung oder technisches Hintergrundwissen haben.




Die Kursleiter Johannes Hötter und Christian Warmuth steigen anschaulich in das Thema ein, indem sie die Unterschiede herausarbeiten, die es zwischen herkömmlichem „Coden“ und der Entwicklung selbstlernender Programme gibt. Erläutert wird an Beispielen, wie überwachtes (supervised), nicht überwachtes (unsupervised) und verstärkendes (reinforcement) Lernen die Algorithmen des „machine learning“ im Kern bestimmen.

Dann bekommen die Teilnehmenden an einem konkreten Beispiel überwachten Lernens vorgeführt, wie ein solcher Prozess aussehen kann – einer, der Muster und Strukturen in großen Datenmengen besser erkennen kann als einer mit herkömmlicher Programmierung.

Zum Abschluss des vierwöchigen Onlinekurses geht es um Zukunftsperspektiven von Anwendungen künstlicher Intelligenz, um ethische Fragestellungen und um Begrenzungen maschinellen Lernens.

Nicht auf dem Lehrplan dieses Kurses steht die eigenhändige Entwicklung selbstlernender Algorithmen und das Erlernen der Programmiersprache Python.

Zielgruppe

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


Course contents


Woche 1:

Wesentliche Unterschiede herkömmlicher Programmierung und der Entwicklung selbstlernender Programme

Woche 2:

Grundlegende Konzepte überwachten, nicht überwachten und verstärkenden Lernens, Unterschiede in der Datenbereitstellung, konkreter Anwendungsfall

Woche 3:

Einführung in den Prozess, wie ein selbstlernender Algorithmus im Rahmen überwachten Lernens zum Beispiel Muster erkennen kann

Woche 4:

Ausblick auf das Fortschrittstempo bei künstlicher Intelligenz, Diskussion wesentlicher ethischer Grundsätze

Abschlussprüfung:

Die Abschlussprüfung findet während Kurswoche 4 statt.

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.

Hinweis auf weitere Kurse zur Thematik

Beachten Sie auch unseren openHPI-Kurs „Praktische Einführung in Deep Learning für Computer Vision“. Hierin geht es um die Frage, wie man eigenhändig neuronale Netze anlegen und für Anwendungen künstlicher Intelligenz einsetzen kann, um dem Computer das „Sehen“ beizubringen.



0
No votes yet

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