Die rasante Entwicklung von generativen KI-Systemen wie ChatGPT, DALLE und Midjourney hat künstliche Intelligenz und maschinelles Lernen in den öffentlichen Fokus gerückt.

Tauchen Sie mit der openHPI Winter School in die faszinierende Welt der künstlichen Intelligenz und des maschinellen Lernens ein! Wir präsentieren Ihnen die erfolgreichsten openHPI KI-Kurse. Unsere Kurse bieten Ihnen in diesem Winter die ideale Möglichkeit, unabhängig von Ihrem bisherigen Wissensstand und Erfahrungsniveau, Ihr Verständnis für KI und ML zu vertiefen.

Sie können jeden der vier beliebten KI-Kurse im Selbststudium abzuschließen und erhalten dafür einen Leistungsnachweis. Melden Sie sich jetzt kostenlos an und starten Sie Ihre spannende Reise in die Welt der Künstlichen Intelligenz!

Die rasante Entwicklung generativer KI-Systeme wie ChatGPT, DALLE und Midjourney revolutioniert unsere Welt und stellt uns vor neue, faszinierende und zugleich beunruhigende Herausforderungen. Was bedeutet es, wenn künstliche Intelligenzen komplexe Prüfungen bestehen oder sogar kreativ tätig werden? Wird diese Entwicklung unsere Gesellschaft, Arbeitswelt und Kommunikation überrumpeln? Werden Jobs ersetzt oder entstehen völlig neue Beschäftigungsfelder? Und wie können wir die Gefahren durch die Nutzung dieser Systeme zur Verbreitung von z.B. Falschinformationen minimieren?

Entdecken Sie in diesem vierwöchigen, kostenlosen openHPI-Kurs, wie bahnbrechende Technologien wie ChatGPT funktionieren, welche Anwendungsfälle daraus entstehen, welche Chancen und Grenzen sie bergen. Der Kurs bietet Jugendlichen und Interessierten ohne technisches Hintergrundwissen oder Programmiererfahrung eine einzigartige Gelegenheit, in die Welt der Generativen Künstlichen Intelligenz einzutauchen.

Geleitet wird der Kurs in Kooperation mit dem KI-Servicezentrum Berlin-Brandenburg (KISZ-BB) von den HPI-Alumni Johannes Hötter und Christian Warmuth.

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.

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.