Künstliche Intelligenz und maschinelles Lernen für EinsteigerJohannes Hötter, Christian Warmuth (Masterstudenten)

列出的学习单元属于课程Künstliche Intelligenz und maschinelles Lernen für Einsteiger。您想访问所有课程内容吗？

自己报名吧

Woche 1

Wesentliche Unterschiede herkömmlicher Programmierung und der Entwicklung selbstlernender Programme

Willkommen zum Kurs

文本

Umfrage zum Kursstart

调查

1.0 Teamvorstellung und Kursüberblick

视频

1.1 Übersicht Woche 1

视频

1.2 Das Bild in den Medien

视频

1.2 Das Bild in den Medien

自我测试

1.3 Was ein Computer gut kann

视频

1.3 Was ein Computer gut kann

自我测试

1.4 Gegenüberstellung

视频

1.4 Gegenüberstellung

自我测试

1.5.1 Einordnung von Fachbegriffen (1)

视频

1.5.1 Einordnung von Fachbegriffen (1)

自我测试

1.5.2 Einordnung von Fachbegriffen (2)

视频

1.5.2 Einordnung von Fachbegriffen (2)

自我测试

1.6 Warum jetzt?

视频

1.6 Warum jetzt?

自我测试

1.7 Wer muss Machine Learning verstehen?

视频

1.7 Wer muss Machine Learning verstehen

自我测试

1.8 Ein Projekt von A bis Z

视频

1.8 Ein Projekt von A bis Z

自我测试

1.9 Fazit Woche 1

视频

Lesematerial

文本

Hausaufgabe Woche 1

分级测试

Woche 2

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

Willkommen zu Kurswoche 2

文本

Nachtrag zu Woche 1

文本

2.1 Übersicht Woche 2

视频

2.2 Machine Learning

视频

2.2 Machine Learning

自我测试

2.3 Supervised Learning

视频

2.3 Supervised Learning

自我测试

2.4 Unsupervised Learning

视频

2.4 Unsupervised Learning

自我测试

2.5 Semisupervised Learning

视频

2.5 Semisupervised Learning

自我测试

2.6 Reinforcement Learning

视频

2.6 Reinforcement Learning

自我测试

2.7 Datenbereitstellung

视频

2.7 Datenbereitstellung

自我测试

2.8.1 Evaluationsmetriken (1)

视频

2.8.1 Evaluationsmetriken (1)

自我测试

2.8.2 Evaluationsmetriken (2)

视频

2.8.2 Evaluationsmetriken (2)

自我测试

2.9 Fazit Woche 2

视频

Lesematerial

文本

Hausaufgabe Woche 2

分级测试

Woche 3

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

Willkommen zu Kurswoche 3

文本

3.1 Übersicht Woche 3

视频

3.2 Allgemeines Konzept Supervised Learning

视频

3.2 Allgemeines Konzept Supervised Learning

自我测试

3.3 No-Free-Lunch-Theorem

视频

3.3 No-Free-Lunch Theorem

自我测试

3.4 Aufbau Fallbeispiele

视频

3.5 K-Nächste-Nachbarn

视频

3.5 K-Nächste-Nachbarn

自我测试

3.6 Entscheidungsbäume

视频

3.6 Entscheidungsbäume

自我测试

3.7 Regression

视频

3.7 Regression

自我测试

3.8.1 Künstliche neuronale Netze (1)

视频

3.8.2 Künstliche neuronale Netze (2)

视频

3.8.2 Künstliche neuronale Netze

自我测试

3.9 Ensemble Learning

视频

3.9 Ensemble Learning

自我测试

Exkurs 1 Bilder und Texte

视频

3.10 Fazit Woche 3

视频

Lesematerial

文本

Hausaufgabe Woche 3

分级测试

Woche 4

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

Willkommen zu Kurswoche 4

文本

Nachtrag zu Woche 2 + 3: instanzbasiertes- und parametrisiertes Training, Datenannotationen

文本

4.1 Übersicht Woche 4

视频

4.2 Blickwinkel und Akteure

视频

4.2 Blickwinkel und Akteure

自我测试

4.3 Mehrwert und Anwendungsgebiete

视频

4.4 Einschränkungen generell

视频

4.4 Einschränkungen generell

自我测试

4.5.1 Wichtigkeit der Daten (1)

视频

4.5.1 Wichtigkeit der Daten (1)

自我测试

4.5.2 Wichtigkeit der Daten (2)

视频

4.5.2 Wichtigkeit der Daten (2)

自我测试

4.6 Was wissen wir wirklich?

视频

4.6 Was wissen wir wirklich?

自我测试

4.7 Diskriminierung

视频

4.7 Diskriminierung

自我测试

4.8 Einfluss auf das tägliche Leben

视频

4.8 Einfluss auf das tägliche Leben

自我测试

Exkurs 2 Deep Fakes

视频

4.9 Ethik und Moral

视频

4.9 Ethik und Moral

自我测试

4.10 Fazit Woche 4

视频

4.11 Abschließende Worte

视频

Lesematerial

文本

Hausaufgabe Woche 4

分级测试

Abschlussprüfung

Die Abschlussprüfung findet während Kurswoche 4 statt.

Informationen zur Abschlussprüfung

文本

Abschlussprüfung

分级测试