Kurs im Selbststudium

Künstliche Intelligenz und maschinelles Lernen für Einsteiger

Angeboten von Johannes Hötter, Christian Warmuth (Masterstudenten)

Beim Laden des Videoplayers ist ein Fehler aufgetreten, oder es dauert lange, bis er initialisiert wird. Sie können versuchen, Ihren Browser-Cache zu leeren. Bitte versuchen Sie es später noch einmal und wenden Sie sich an den Helpdesk, wenn das Problem weiterhin besteht.

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.

Im Folgekurs “Künstliche Intelligenz und Maschinelles Lernen in der Praxis” werden die Inhalte des ersten Kurses mit praktischen Anwendungsbeispielen vertieft. Der Kurs behandelt alle Schritte eines KI-Projektes von der ersten Sicht auf die Daten, über das Training des jeweils verwendeten ML-Modells bis hin zur Ergebnisanalyse und Interpretation.

Seit 6. Oktober 2020 im Selbststudium
Kurssprache: Deutsch
Beginner, Big Data and AI, Junior

Kursinformationen

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.

Hinweise 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.

Im Folgekurs “Künstliche Intelligenz und Maschinelles Lernen in der Praxis” werden die Inhalte des ersten Kurses mit praktischen Anwendungsbeispielen vertieft. Der Kurs behandelt alle Schritte eines KI-Projektes von der ersten Sicht auf die Daten, über das Training des jeweils verwendeten ML-Modells bis hin zur Ergebnisanalyse und Interpretation.

Lernmaterial

  • 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

Diesen Kurs reaktivieren

Diesen Kurs können Sie reaktivieren und so die Möglichkeit erhalten, sich noch für einen Leistungsnachweis zu qualifizieren. Weitere Informationen finden Sie hier — oder

Für diesen Kurs einschreiben

Der Kurs ist kostenlos. Legen Sie sich einfach ein Benutzerkonto auf openHPI an und nehmen Sie am Kurs teil!
Jetzt einschreiben

Lernende

Aktuell
Heute
21.935
Kursende
6. Oktober 2020
11.284
Kursstart
8. September 2020
9.268

Bewertungen

Der Kurs wurde mit durchschnittlich 4.73 Sternen bei 151 abgegebenen Stimmen bewertet.

Anforderungen für Leistungsnachweise

  • Den Leistungsnachweis erhält, wer in der Summe aller benoteten Aufgaben mindestens 50% der Höchstpunktzahl erreicht hat.
  • Die Teilnahmebestätigung erhält, wer auf mindestens 50% der Kursunterlagen zugegriffen hat.
  • Einen Open Badge erhalten Sie, indem Sie den Kurs abschließen.

Mehr Informationen finden Sie in den Richtlinien für Leistungsnachweise.

Dieser Kurs wird angeboten von

Johannes Hötter

Johannes Hötter hat am Hasso Plattner Institut Data Engineering studiert, und zuvor Wirtschaftsinformatik an der Hochschule Bonn-Rhein-Sieg. Er ist spezialisiert auf Künstliche Intelligenz für Texte, Dokumente und Sprache, und hat die Softwarefirma Kern AI mitgegründet.

Christian Warmuth

Christian Warmuth ist Absolvent des Masterstudiengangs Data Engineering am Hasso-Plattner-Institut. Seinen Bachelor in Wirtschaftsinformatik erlangte er in Mannheim in Zusammenarbeit mit SAP. Nach einem längeren Aufenthalt im Silicon Valley entwickelte Christian eine Leidenschaft für das Gebiet der Künstlichen Intelligenz und des maschinellen Lernens. Seitdem beschäftigt er sich sowohl in seiner Freizeit als auch im beruflichen und akademischen Kontext intensiv mit diesen Themen.

Derzeit ist Christian bei SAP Signavio als AI Engineer im Bereich Innovation Office & Strategic Projects tätig. In dieser Funktion arbeitet er an der Schnittstelle von Geschäftsprozessen und maschinellem Lernen.

Christian betreibt auf unhyped.io einen Blog und Newsletter zum Thema Innovation und Künstliche Intelligenz.