Alle Lernmaterialien für deinen Kurs Künstliche Intelligenz II

In diesem Abschnitt lernst Du die Grundlagen und Anwendungen von neuronalen Netzwerken kennen. Schwerpunkt liegt auf Architektur, Training und Optimierung dieser Netzwerke.

• Grundlagen der künstlichen Neuronen
• Architektur der neuronalen Netzwerke (z. B. Feedforward-Netze, rekurrente Netze)
• Backpropagation und Gradientenabstieg
• Overfitting und Regularisierungstechniken
• Anwendung in verschiedenen Domänen wie Bild- und Spracherkennung

Dieser Abschnitt führt Dich in das Paradigma des bestärkenden Lernens ein, einschließlich der wichtigsten Algorithmen und Anwendungen.

• Grundprinzipien des bestärkenden Lernens
• Markov-Entscheidungsprozesse (MDPs)
• Policy-, Value- und Q-Learning
• Deep Reinforcement Learning
• Praktische Anwendungen (z. B. in Spielen und Robotik)

Du lernst die wichtigsten Methoden des maschinellen Lernens kennen, die Datenanalyse und Mustererkennung ermöglichen.

• Überwachte und unüberwachte Lernmethoden
• Regression und Klassifikationstechniken
• Clustering-Algorithmen wie k-means
• Ensemble-Methoden (z. B. Random Forest, Gradient Boosting)
• Evaluierung von Modellen und Leistungsmetriken

Dieser Abschnitt behandelt die Theorie und Praxis von intelligenten Agentensystemen, einschließlich ihrer Struktur und Anwendungsbereiche.

• Definition und Eigenschaften intelligenter Agenten
• Multi-Agenten-Systeme und Interaktionen
• Planung und Entscheidungsfindung
• Verhandlungs- und Kooperationsstrategien
• Einsatz in realen Anwendungen (z. B. in der Logistik und im Gesundheitswesen)

Hier lernst Du die grundlegenden Techniken und Theorien der automatischen Spracherkennung und Verarbeitung natürlicher Sprache.

• Grundlagen der Sprachsignalverarbeitung
• Akustische Modellierung
• Sprachmodellierung und Grammatik
• Deep Learning für Spracherkennung
• Anwendungen wie Sprachassistenten und Untertitelungssysteme