An error occurred while loading the video player, or it takes a long time to initialize. You can try clearing your browser cache. Please try again later and contact the helpdesk if the problem persists.
Alle reden über “Maschinelles Lernen”, "Neuronale Netze", "Künstliche Intelligenz" und "Deep Learning - doch wie diese Techniken genau in der Praxis funktionieren und eingesetzt werden, erfahren Sie in diesem weiterführenden openHPI Kurs.
In diesem vierwöchigen Gratis-Kurs können Jugendliche und andere Interessierte ohne Programmier-Erfahrung und technisches Hintergrundwissen lernen, wie Machine Learning Projekte in der Praxis umgesetzt werden können. Wir wollen dabei das Basiswissen aus dem Kurs “Künstliche Intelligenz und Maschinelles Lernen für Einsteiger” weiter vertiefen und Ihnen ein Gefühl für die Chancen und Herausforderungen von Machine Learning Projekten in der Praxis vermitteln. Dafür betrachten wir mehrere konkrete Anwendungsfälle - unter anderem die Erkennung von Gebärdensprache aus Bildern und die Stimmungsanalyse von Zeitungsartikeln. Geleitet wird der Kurs von den Masterstudenten Johannes Hötter und Christian Warmuth.
语言: Deutsch
Beginner, Big Data and AI
课程信息
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.
课程内容
Woche 1:
Wiederholung wichtiger Konzepte und praktisches Projekt über die Vorhersage von WohnungspreisenWoche 2:
Zweites praktisches Projekt über Vorschläge neuer Filme und hierfür wichtige TheorieWoche 3:
Drittes Anwendungsfall: Stimmungsanalyse in FilmbewertungenWoche 4:
Erkennung von Gebärdensprache-Bildern und Übersetzung in Text als viertes praktisches ProjektAbschlussprüfung:
Die Abschlussprüfung findet während Kurswoche 4 statt.I like, I wish
重启本课程
订阅本课程
Learners
评分
本课程已由48位用户进行了五分制评分，平均得分为4.75
证书要求
- 课程证书 授予者需要至少取得课程总分的百分之 50%。
- 参与证明 授予者需要至少学习了所有课程资料的百分之 50%。
- 完成课程可获得开放徽章。
欲知详情，请访问证书指南.
该课程提供者
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 is a graduate of the Master's program in Data Engineering at the Hasso Plattner Institute. He earned his Bachelor's degree in Business Informatics in Mannheim in cooperation with SAP. After an extended stay in Silicon Valley, Christian developed a passion for the field of Artificial Intelligence and Machine Learning. Since then, he has been deeply involved in these topics in his free time as well as in professional and academic contexts.
Currently, Christian is working as an AI Engineer at SAP Signavio within the realm of Innovation Office & Strategic Projects. In this capacity, he focuses on bridging the gap between business processes and machine learning applications.
Christian publishes a blog and newsletter about innovation and artificial intelligence on unhyped.io.