Self-paced course
The listed learning units belong to the course Künstliche Intelligenz und maschinelles Lernen für Einsteiger. Do you want to access all course content?
Willkommen zum Kurs
Text
Umfrage zum Kursstart
Survey
1.0 Teamvorstellung und Kursüberblick
Video
1.1 Übersicht Woche 1
Video
1.2 Das Bild in den Medien
Video
1.2 Das Bild in den Medien
Learning materials
1.3 Was ein Computer gut kann
Video
1.3 Was ein Computer gut kann
Learning materials
1.4 Gegenüberstellung
Video
1.4 Gegenüberstellung
Learning materials
1.5.1 Einordnung von Fachbegriffen (1)
Video
1.5.1 Einordnung von Fachbegriffen (1)
Learning materials
1.5.2 Einordnung von Fachbegriffen (2)
Video
1.5.2 Einordnung von Fachbegriffen (2)
Learning materials
1.6 Warum jetzt?
Video
1.6 Warum jetzt?
Learning materials
1.7 Wer muss Machine Learning verstehen?
Video
1.7 Wer muss Machine Learning verstehen
Learning materials
1.8 Ein Projekt von A bis Z
Video
1.8 Ein Projekt von A bis Z
Learning materials
1.9 Fazit Woche 1
Video
Lesematerial
Text
Hausaufgabe Woche 1
Learning materials
Willkommen zu Kurswoche 2
Text
Nachtrag zu Woche 1
Text
2.1 Übersicht Woche 2
Video
2.2 Machine Learning
Video
2.2 Machine Learning
Learning materials
2.3 Supervised Learning
Video
2.3 Supervised Learning
Learning materials
2.4 Unsupervised Learning
Video
2.4 Unsupervised Learning
Learning materials
2.5 Semisupervised Learning
Video
2.5 Semisupervised Learning
Learning materials
2.6 Reinforcement Learning
Video
2.6 Reinforcement Learning
Learning materials
2.7 Datenbereitstellung
Video
2.7 Datenbereitstellung
Learning materials
2.8.1 Evaluationsmetriken (1)
Video
2.8.1 Evaluationsmetriken (1)
Learning materials
2.8.2 Evaluationsmetriken (2)
Video
2.8.2 Evaluationsmetriken (2)
Learning materials
2.9 Fazit Woche 2
Video
Lesematerial
Text
Hausaufgabe Woche 2
Learning materials
Willkommen zu Kurswoche 3
Text
3.1 Übersicht Woche 3
Video
3.2 Allgemeines Konzept Supervised Learning
Video
3.2 Allgemeines Konzept Supervised Learning
Learning materials
3.3 No-Free-Lunch-Theorem
Video
3.3 No-Free-Lunch Theorem
Learning materials
3.4 Aufbau Fallbeispiele
Video
3.5 K-Nächste-Nachbarn
Video
3.5 K-Nächste-Nachbarn
Learning materials
3.6 Entscheidungsbäume
Video
3.6 Entscheidungsbäume
Learning materials
3.7 Regression
Video
3.7 Regression
Learning materials
3.8.1 Künstliche neuronale Netze (1)
Video
3.8.2 Künstliche neuronale Netze (2)
Video
3.8.2 Künstliche neuronale Netze
Learning materials
3.9 Ensemble Learning
Video
3.9 Ensemble Learning
Learning materials
Exkurs 1 Bilder und Texte
Video
3.10 Fazit Woche 3
Video
Lesematerial
Text
Hausaufgabe Woche 3
Learning materials
Willkommen zu Kurswoche 4
Text
Nachtrag zu Woche 2 + 3: instanzbasiertes- und parametrisiertes Training, Datenannotationen
Text
4.1 Übersicht Woche 4
Video
4.2 Blickwinkel und Akteure
Video
4.2 Blickwinkel und Akteure
Learning materials
4.3 Mehrwert und Anwendungsgebiete
Video
4.4 Einschränkungen generell
Video
4.4 Einschränkungen generell
Learning materials
4.5.1 Wichtigkeit der Daten (1)
Video
4.5.1 Wichtigkeit der Daten (1)
Learning materials
4.5.2 Wichtigkeit der Daten (2)
Video
4.5.2 Wichtigkeit der Daten (2)
Learning materials
4.6 Was wissen wir wirklich?
Video
4.6 Was wissen wir wirklich?
Learning materials
4.7 Diskriminierung
Video
4.7 Diskriminierung
Learning materials
4.8 Einfluss auf das tägliche Leben
Video
4.8 Einfluss auf das tägliche Leben
Learning materials
Exkurs 2 Deep Fakes
Video
4.9 Ethik und Moral
Video
4.9 Ethik und Moral
Learning materials
4.10 Fazit Woche 4
Video
4.11 Abschließende Worte
Video
Lesematerial
Text
Hausaufgabe Woche 4
Learning materials