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.
September 8, 2020 - October 6, 2020
Language: Deutsch

Course information

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.

Kursstruktur

  • 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

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.

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.
  • I like, I wish

Enroll me for this course

The course is free. Just register for an account on openHPI and take the course!
Enroll me now
Learners enrolled: 5319

Certificate Requirements

  • Gain a record of achievement by earning at least 50% of the maximum number of points from all graded assignments.
  • Gain a confirmation of participation by completing at least 50% of the course material.

Find out more in the certificate guidelines.

This course is offered by

Johannes Hötter

Johannes Hötter ist im ersten Semester des Masterstudiengangs Data Engineering am Hasso-Plattner-Institut, zuvor hat er an der Hochschule Bonn-Rhein-Sieg Wirtschaftsinformatik studiert. Seit drei Jahren spezialisiert sich Johannes auf die Entwicklung selbstlernender Programme in den Bereichen Sprach- und Bildverarbeitung sowie im Kontext betrieblicher Anwendungssysteme. Zu Beginn des Jahres hat Johannes mit weiteren Kollegen des HPI ein KI-Startup mit dem Namen path2.ai gegründet, welches Machine Learning Prototypen für mittelständische Unternehmen entwickelt.

Christian Warmuth

Christian Warmuth ist Student des Masterstudiengangs Data Engineering am Hasso-Plattner-Institut. Den Bachelor hat Christian in Mannheim im Bereich Wirtschaftsinformatik in Kooperation mit SAP absolviert. Nachdem Christian mehrere Monate im Silicon Valley verbrachte, hat sich für ihn eine Faszination für das Themengebiet entwickelt und er beschäftigt seit nunmehr drei Jahren privat wie auch im universitären Umfeld mit dem Thema Machine Learning und hat auch seine Bachelor-Arbeit über Machine Learning verfasst.

Your request has been sent to our support team, and will be answered as soon as possible.

Thank You!

Oops something went wrong.

Back