Künstliche Intelligenz und Maschinelles Lernen in der Praxis

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 Filmbewertungen
• 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.

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.

Achtung: Dieser Kurs befindet sich aktuell im Selbststudium-Modus, in dem Sie keinen Zugriff auf die bewerteten Hausaufgaben/Prüfungen haben. Daher können wir Ihnen lediglich eine Teilnahmebestätigung ausstellen.