Künstliche Intelligenz ONLINE

Ziel der Lektion ist es, den Teilnehmern das Konzept der Künstlichen Intelligenz (KI) vorzustellen. Zudem wird der Begriff LLM (Large Language Model) sowie Werkzeuge, die auf LLM basieren, präsentiert.

Die Klasse führt die Schüler in das Prompt Engineering und die Prinzipien des Schreibens von qualitativ hochwertigen Prompts ein.

Während dieser Lektion lernen die Schüler die Geschichte der Künstlichen Intelligenz kennen. Zudem werden Werkzeuge zur Generierung von Bildern vorgestellt und wie man Prompts für diese erstellt.

In der Klasse erfahren die Schüler, was die Organisation OpenAI ist, welche GPT-Modelle ChatGPT bietet, und lernen Musikgenerierungswerkzeuge kennen.

Ziel der Lektion ist es, den Schülern die Risiken und ethischen Dilemmata im Zusammenhang mit der Lehre und Nutzung von KI näherzubringen.

Ziel der Klasse ist es, die Schüler mit den Umgebungen vertraut zu machen, in denen wir während des Kurses programmieren werden (Google Colab, Python und Git).

Ziel des Kurses ist es, Informationen über die NumPy-Bibliothek zu wiederholen, das Wissen darüber zu vertiefen und die Vorteile ihrer Nutzung vorzustellen.

Während der Klassen werden die Schüler mit einem Datenvisualisierungstool, der matplotlib-Bibliothek, vertraut gemacht.

Während der Klassen werden die Schüler in die Pandas-Bibliothek eingeführt.

Während der Klassen lernen die Schüler, was Statistik ist und wie Regression funktioniert. Außerdem werden wir das erste KI-Modell programmieren!

Während der Klassen lernen die Schüler, was Statistik ist und wie Regression funktioniert. Außerdem werden wir das erste KI-Modell programmieren!

In dieser Klasse lernen die Schüler die Klassifikation kennen und erstellen ein System zur binären Klassifikation. Sie lernen auch Metriken zur Bewertung der Qualität eines binären Klassifikationsmodells.

In dieser Klasse lernen die Schüler die Klassifikation kennen und erstellen ein System zur binären Klassifikation. Sie lernen auch Metriken zur Bewertung der Qualität eines binären Klassifikationsmodells. model.

Ziel des Kurses ist es, das Wissen, das während der Umsetzung des Projekts – eines Simulators für die Überlebenschancen auf der Titanic – erworben wurde, zu systematisieren.

Ziel des Kurses ist es, das Wissen, das während der Umsetzung des Projekts – eines Simulators für die Überlebenschancen auf der Titanic – erworben wurde, zu systematisieren.

Während der Klassen werden die Schüler mit dem KNN-Algorithmus vertraut gemacht und erstellen ein Programm zur Klassifikation von Iris-Arten.

Während der Klassen werden die Schüler mit den Konzepten der Fuzzy-Logik, Fuzzy-Mengen und Fuzzy-Schlussfolgerungen vertraut gemacht.

Während der Klassen lernen die Schüler, wie man die Erzeugung von Fuzzy-Mengen implementiert und Fuzzy-Inferenz in Python durchführt.

Während der Lektion nutzen die Schüler das erworbene Wissen, um das Problem der Klassifikation von Iris Blumen selbstständig zu lösen. Dabei wird Fuzzy-Logik verwendet. Das Hauptziel des Projekts ist, dass die Schüler versuchen, das Problem eigenständig zu lösen und die Ergebnisse zu bewerten.

Während der Klasse werden die Schüler in den Naive Bayes-Algorithmus eingeführt, der in zukünftigen Klassen zur Erstellung eines Spam-Kategorisierungssystems verwendet wird.

Während der Klassen bereiten wir einen Spam-Classifier mit dem Naive Bayes-Algorithmus vor. In den nächsten Klassen werden wir den Algorithmus mit einem Gmail-Posteingang verbinden.

Während der Lektion integrieren wir den Spam-Filter, den wir letzte Woche erstellt haben, mit dem Gmail-Posteingang.

Während der Klassen lernen die Schüler, was künstliche Neuronen sind und wie sie funktionieren, was Deep Learning ist, und erstellen ihr erstes Modell eines einfachen neuronalen Netzwerks.

Während der Klassen erstellen die Schüler ein Netzwerk, das Bildklassifikation ermöglicht, und lernen die Elemente kennen, die neuronale Netzwerke ausmachen.

Ziel des Kurses ist es, den Schülern das Konzept und die Funktionsweise von Faltung (Convolution) vorzustellen.

Der Kurs stellt Faltungsnetzwerke vor. Die Schüler erstellen ein Programm, das Grafiken klassifiziert.

Während der Klassen lernen die Schüler, was Overfitting ist, was es verursacht und wie man es erkennt. Außerdem lernen sie ein Tool zur Überwachung des Lernens von neuronalen Netzwerken kennen – Tensorboard. Zudem wird ein Mechanismus vorgestellt, der die Qualität von Datensätzen verbessern kann – Augmentation.

In diesem Kurs entdecken die Schüler, wie Künstliche Intelligenz neue Bilder erstellen kann, indem sie Elemente aus zwei verschiedenen Fotografien kombiniert: eine als Quelle des Inhalts und die andere als Quelle des künstlerischen Stils. Sie lernen die Konzepte von Inhalt und Stil in Bildern und wie neuronale Netzwerke diese trennen und transformieren können. and the other as a source of artistic style. They will learn about the concepts of content and style in images and how neural networks can separate and transform them.

Ziel des Kurses ist es, den Schülern zu erklären, was Natural Language Processing (NLP) ist und wie es funktioniert.

Ziel dieser Lektion ist es, das Wissen über die Vektor-Darstellung von Texten zu erweitern.

Ziel des Kurses ist es, sich mit dem Fine-Tuning während der Textgenerierung mit dem GPT-2 Modell vertraut zu machen.

In diesem Kurs entdecken die Schüler, wie Künstliche Intelligenz neue Bilder erstellen kann, indem sie Elemente aus zwei verschiedenen Fotografien kombiniert: eine als Quelle des Inhalts und die andere als Quelle des künstlerischen Stils. Sie lernen die Konzepte von Inhalt und Stil in Bildern und wie neuronale Netzwerke diese trennen und transformieren können.

Ziel des Kurses ist es, ein Modell für die Sprachgenerierung in Python zu lernen und zu konfigurieren.

Ziel des Kurses ist es, ein Programm zur Gestenerkennung zu erstellen, Daten zu sammeln und ein neuronales Netzwerk-Modell zu konfigurieren.

Ziel des Kurses ist es, das Gestenerkennungsprojekt Rock Paper Scissors mit unseren eigenen MobileNetV2-Modelltrainingsdaten fortzusetzen.

Ziel des Kurses ist es, ein eigenes Projekt mit den erlernten Künstliche Intelligenz-Algorithmen zu erstellen.

Du wirst lernen, wie KI in der Medizin eingesetzt wird. Beispiele für praktische Anwendungen.

Du wirst lernen, wie KI Trends auf den Finanzmärkten vorhersagen kann. Du wirst ein Vorhersagemodell erstellen.

Du wirst die Grundlagen der Robotik lernen und einfache Steueralgorithmen erstellen. Es ist wie ein Ingenieur zu sein.

Du wirst lernen, wie KI mit IoT-Geräten integriert werden kann. Du wirst Systeme für Smart Homes erstellen.

Du wirst ein Modell zur Gesichtserkennung erstellen. Du wirst sehen, wie KI in der Sicherheit funktioniert.

Du wirst Methoden zur Analyse großer Datensätze lernen. Du wirst lernen, wie man mit Big Data umgeht.

Du wirst sehen, wie KI Kunst erschaffen kann. Bilder und Musik mit KI erzeugen.

Du wirst lernen, wie KI die Bildung unterstützen kann. Du wirst interaktive Lektionen und Quizze erstellen.

Du wirst lernen, wie KI im Marketing eingesetzt wird. Du wirst Modelle erstellen, die Inhalte für Nutzer personalisieren.

Du wirst lernen, wie KI logistische Prozesse optimieren kann. Du wirst Modelle erstellen, die Lieferungen verwalten.

Du wirst die neuesten Trends in der KI kennenlernen. Wir werden überlegen, was die Zukunft bringt.