Wenn Sie verstehen möchten, was hinter den Schlagzeilen über KI steckt, sind Sie hier richtig. Dieser Kurs erklärt, wie neuronale Netze lernen, warum ChatGPT manchmal Unsinn erzählt und welche Rolle Trainingsdaten spielen.
Wir arbeiten mit konkreten Beispielen: Sie sehen, wie ein CNN Bilder erkennt, warum Bilderkennung manchmal scheitert und wie Algorithmen Entscheidungen treffen. Keine abstrakten Konzepte – nur nachvollziehbare Erklärungen.
Was Sie hier lernen
Sie verstehen die Unterschiede zwischen maschinellem Lernen, Deep Learning und traditioneller Programmierung. Sie können einschätzen, wo KI sinnvoll ist und wo nicht. Am Ende wissen Sie genug, um technische Gespräche zu führen und Projektanforderungen realistisch zu bewerten.
Der Kurs zeigt auch die Grenzen: Bias in Trainingsdaten, Rechenleistung, Interpretierbarkeit. Sie lernen, kritische Fragen zu stellen, bevor Sie KI-Lösungen einsetzen.
Programmübersicht
Kursaufbau
- Grundkonzepte: Was KI kann und was nicht
- Maschinelles Lernen: Supervised vs. Unsupervised Learning
- Neuronale Netze: Aufbau und Funktionsweise
- Praktische Beispiele: Bilderkennung, Textanalyse
- Trainingsdaten: Qualität, Bias, Datenschutz
- KI-Modelle bewerten: Genauigkeit vs. Geschwindigkeit
Zusatzmodule
Transfer Learning, Overfitting vermeiden, Ethische Fragen in der KI-Entwicklung