Erkundung von KI und maschinellem Lernen
- Einblick in die Verbindung zwischen künstlicher Intelligenz (KI), maschinellem Lernen (ML) und Deep Learning
- Bedeutende Anwendungen und Fallstudien von KI in der Industrie
- Wichtigkeit von Daten in KI-gestützten Lösungen
Kernkonzepte des maschinellen Lernens
- Überwachtes Lernen: Klassifizierung und Regressionsmodelle
- Unüberwachtes Lernen: Clusterbildung und Dimensionsreduktion
- Modellbewertungskriterien: Genauigkeit, Präzision, Rückruf und F1-Score
Tiefe Lernmethoden und neuronale Netze
- Grundlagen der künstlichen neuronalen Netze (ANNs)
- Einsatz von CNNs zur Bilderkennung
- Nutzung von RNNs für sequenzbasierte Data
Sprachverarbeitung in KI
- Textaufarbeitung: Tokenisierung, Stemming, Lemmatisierung
- Stimmungsanalyse und KI-unterstützte Chatbots
- Transformer-Modelle und umfassende Sprachverarbeitung
Modellentwicklung und -verbesserung
- Methoden zur Hyperparameter-Optimierung und Modellverbesserung
- Einsatz von generativer KI: GANs und VAEs
- Skalierung von KI-Modellen für die Produktion
Ethik und Zukunft von KI und ML
- Erkennung von Voreingenommenheit und verantwortungsvolles KI-Design
- Vorschriften und ethische Überlegungen für KI
- Auswirkungen neuer KI-Technologien auf die Wirtschaft