zur Menüansicht
Erste Schritte
Lernende Systeme
Einführung in KI-Systeme am Beispiel einfacher Bilderkennung
Lebensmittel
Erstellung von Entscheidungsbäumen zum Thema gesunde Lebensmittel
Bauernschach
Verstärkendes Lernen am Beispiel des Strategiespiels Bauernschach
Künstliches Neuron
Aufbau und Funktionsweise von künstlichen Neuronen am Beispiel von Logikgattern
Lernendes Neuron
Einführung in die Lernregeln eines Neurons zum selbständigen Lernen
Themen - Grundlagen
Grundbegriffe
Einführung in Grundbegriffe der Künstlichen Intelligenz
Lernarten
Wie lernt eine KI? Kleiner Überblick der möglichen Strategien beim maschinellen Lernen
Künstliches Neuron
Aufbau, Funktionsweise und Lernverhalten von künstlichen Neuronen
Neuronale Netze
Aufbau und Funktionsweise von Neuronalen Netzen am Beispiel "Steinlauserkennung"
Chancen und Risiken
Der Einfluß von Künstlicher Intelligenz auf jedes Individuum und die Gesellschaft als Ganzes
Themen - Vertiefung
Entscheidungsbäume mit Python
Python-Programm zur Berechnung von Entscheidungsbäumen im Kontext gesunde Lebensmittel
Exkurse zu KI mit Python und Jupyter-Notebooks
Weitere Jupyter-Notebooks zu maschinellem Lernen, Einführung Jupyter-Notebook, BigData mit Pandas
Deep Learning - Ziffernerkennung
Programmierung eines künstlichen neuronalen Netzes zur Erkennung von handgeschriebenen Ziffern
DataScience - Empfehlungssysteme
Durchführung eines DataScience-Projekts mit K-Nächste-Nachbarn als Algorithmus
Geschichte der KI
Meilensteine in der Entwicklung von Künstlicher Intelligenz
Ethische und Moralische Aspekte
Automatisierte Entscheidungssysteme, Rolle der Daten
Exkurse
Jupyter-Notebook
Einführung in die interaktive Python-IDE Jupyter-Notebook
DataScience mit Pandas
Auswertung grosser Datenmengen mit der Bibliothik Pandas
Überwachtes maschinelles Lernen mit neuronalen Netzen (ohne numpy)
Q-Learning
Programmieren eines Text-Adventures mit bestärkendem Lernen (Q-Learning)
