Alle Lernmaterialien für deinen Kurs Praktikum Künstliche Intelligenz (BSc)

Diese Einheit bietet einen grundlegenden Überblick über die historischen Entwicklungen, Prinzipien und Anwendungsbereiche der Künstlichen Intelligenz (KI).

• Geschichte und Evolution der KI
• Grundlegende Konzepte und Definitionsfragen
• Wichtige Meilensteine der KI-Forschung
• Anwendungsfelder von KI in der Industrie
• Ethische und gesellschaftliche Implikationen von KI

In dieser Lektion werden die theoretischen und praktischen Aspekte des Maschinellen Lernens behandelt, einschließlich Algorithmen und Modellen.

• Überwachung und unüberwachtes Lernen
• Häufig verwendete Algorithmen wie Entscheidungsbäume und k-Means
• Backpropagation und Optimierungsprobleme
• Bewertung und Validierung von Modellen
• Anwendung und Implementierung von ML-Algorithmen

Diese Vorlesung konzentriert sich auf die Architektur, Funktionsweise und das Training neuronaler Netze.

• Grundlagen der Neuronen und Synapsen
• Aufbau von künstlichen neuronalen Netzwerken
• Algorithmen zum Training von Netzwerken wie Gradient Descent
• Vermeidung von Überanpassung durch Regularisierungstechniken
• Anwendungen wie Bild- und Spracherkennung

Diese Einheit behandelt Methoden zur Datenvorbereitung, -verarbeitung und -analyse, die grundlegend für die Nutzung von KI-Techniken sind.

• Methoden zur Datenbereinigung und -transformation
• Visualisierungstechniken für große Datensätze
• Techniken des Feature Engineering
• Algorithmen zur Mustererkennung
• Werkzeuge und Plattformen für die Datenverarbeitung

Hier wird gelehrt, wie KI-Systeme konzipiert, entwickelt und getestet werden.

• Programmierumgebungen und Frameworks für KI
• Hardwareanforderungen und Infrastruktur für KI
• Prototyping und Rapid Prototyping-Techniken
• Integration von KI in bestehende Systeme
• Methoden zur Überwachung und Pflege von KI-Systemen