Dieses Video gehört zum openHPI-Kurs Künstliche Intelligenz und Maschinelles Lernen in der Praxis. Möchten Sie mehr sehen?
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.
Scroll to current position
- 00:00Hallo und herzlich willkommen zu unserem Online-Kurs maschinelles Lernen und
- 00:04künstliche Intelligenz in der Praxis.
- 00:06Im folgenden Video wollen wir uns als Referententeam Ihnen einmal kurz vorstellen und
- 00:11einige organisatorische Informationen zum Kurs geben.
- 00:14Wir werden in diesem Video auch kurz auf die Lernziele dieses Kurses eingehen.
- 00:19Um uns kurz vorzustellen, mein Name ist Johannes Hötter.
- 00:22Ich bin Masterstudent am HPI in Data Engineering
- 00:25und vor meinem Studium habe ich in einer SAP-Beratung gearbeitet.
- 00:28Seit meinem Studium habe ich jetzt schon zweifach gegründet, einmal eine studentische
- 00:32KI-Beratung und einmal ein KI-Start-up.
- 00:36Mein Name ist Christian Warmuth.
- 00:38Ähnlich wie Johannes bin ich auch Masterstudent am HPI und schreibe aktuell meine Masterarbeit zum
- 00:43Thema Künstliche Intelligenz und Geschäftsprozesse.
- 00:46Ich arbeite neben dem Studium bei SAP und beschäftige mich mit Forschungsthemen unter
- 00:51anderem im Bereich Machine Learning und Process Mining.
- 00:54Der Kurs ist so konzipiert, dass sie keine Vorerfahrungen in Mathematik und Programmierung
- 01:00benötigen, obwohl wir einige Beispiele mit Code zeigen werden.
- 01:05Der Online-Kurs ist für alle Interessierten an diesem Gebiet geeignet und soll
- 01:09eine Erweiterung unseres Einsteigerkurses bieten.
- 01:13Daher hier auch nochmal der Hinweis auf unseren Grundlagenkurs, künstliche Intelligenz
- 01:17und maschinelles Lernen für Einsteiger.
- 01:22Natürlich empfehlen wir Interesse an der Thematik und Motivation Neues zu lernen.
- 01:27Lernziele dieses vierwöchigen Kurses sind die folgenden:
- 01:31Ziel ist, ein gutes Verständnis, wie KI-Anwendungen entwickelt werden und welche
- 01:37Schritte es in einem datengetriebenen Projekt gibt.
- 01:41Zudem werden wir zeigen, welche Data Science Aufgaben in realen Projekten anfallen und
- 01:46welche Aspekte man beachten muss.
- 01:48Wir werden zu Beginn noch eine kurze Einführung in die Grundlagen der Sprache Python geben.
- 01:55Doch keine Angst. Es wird nicht gefordert, dass Sie
- 01:58eigene Machine-Learning-Algorithmen oder Modelle trainieren.
- 02:02Für interessierte Teilnehmerinnen und Teilnehmer stellen wir die gezeigten Inhalte in
- 02:07interaktiven Notebooks zum selbst ausprobieren zur Verfügung.
- 02:12Auch wenn wir nicht im Detail auf die Mathematik oder die technischen Details eingehen,
- 02:16können aber Materialien bereitstellen, falls Interesse besteht.
- 02:22In der ersten Woche werden wir dann eine Vorhersage von Wohnungspreisen in Kalifornien
- 02:27umsetzen und behandeln.
- 02:28Wir betrachten hierbei einen realen Datensatz, der verschiedene Informationen hält, wie etwa die
- 02:34Lage zum Meer oder die Bevölkerungsdichte.
- 02:36In der 2ten Woche werden wir dann anschließend die Grundlagen zu Recommender-Systemen
- 02:41behandeln und ein Vorschlagssystem für Filme umsetzen.
- 02:44In der 3. Woche dann werfen wir einen Blick darauf, wie man in Texten Stimmungen analysieren kann.
- 02:51Und dann zum Abschluss dieses Kurses, werden wir in den letzten Woche ein Machine-Learning-Modell
- 02:56bauen, was wir nutzen, um mit Bilderkennung Gebärdensprache aus Bildern zu erkennen.
- 03:01Wir werden dabei jede Woche ein Zusatzthema aus dem Data Science Prozess behandeln und etwas
- 03:07genauer vorstellen. So werden beispielsweise in Woche 1 etwas stärker auf die Datenvisualisierung
- 03:13eingehen und in den folgenden Wochen weitere Themen behandeln.
- 03:17Bei der Vorbereitung haben wir außerdem gemerkt, dass es so viele aktuelle Themen aus der
- 03:22ML-Forschung und der ML-Anwendungen gibt, die wir bisher noch gar nicht besprochen
- 03:26haben. Und da wir die Themen so spannend und wichtig finden, haben wir in den
- 03:31einzelnen Wochen Exkurse geplant. Als Beispiel hier etwa Auto-ML, also Systeme, die
- 03:38automatisch aus Daten Modelle bauen und bereitstellen.
- 03:43Der Kurs hat eine Laufzeit von vier Wochen.
- 03:45Dabei sind pro Woche circa drei bis sechs Stunden Aufwand einzurechnen.
- 03:50Eine Teilnahmebestätigung gibt es bei Zugriff auf mehr als 50 Prozent der Kursmaterialien.
- 03:56Einen Leistungsnachweis gibt es bei Erhalt von mehr als 50 Prozent der Punkte.
- 04:01Die Endpunktzahl setzt sich aus Punkten der Abschlussprüfung zu 50 Prozent und zu 50 Prozent
- 04:08aus den Hausaufgaben zusammen.
- 04:10Als kurzer Hinweis zu Beginn, die Sprache des Kurses ist deutsch.
- 04:14Für manche Fachbegriffe werden wir allerdings die englischen Termini verwenden, da diese geläufiger
- 04:19sind. Hierfür werden entweder an den betreffenden Stellen eine Erklärung
- 04:25bieten oder eine deutsche Übersetzung.
- 04:28Wir freuen uns auf die nächsten vier Wochen, und wir hoffen Sie natürlich auch.
- 04:34Das war's zunächst für unser Introvideo.
- 04:36Wir wünschen Ihnen viel Spaß und sehen uns im nächsten Video.
To enable the transcript, please select a language in the video player settings menu.