Modul #1 Einführung in künstliche Intelligenz Überblick über KI, ihre Geschichte und Anwendungen
Modul #2 Grundlagen des maschinellen Lernens Einführung in maschinelles Lernen, Typen und überwachtes/unüberwachtes Lernen
Modul #3 Mathematik und Statistik für ML Lineare Algebra, Infinitesimalrechnung, Wahrscheinlichkeit und Statistik für maschinelles Lernen
Modul #4 Python für maschinelles Lernen Einführung in Python, NumPy, Pandas und Datenmanipulation
Modul #5 Datenvorverarbeitung Datenbereinigung, Merkmalsskalierung und Merkmalsauswahl
Modul #6 Überwachtes Lernen Regression, Klassifizierung und Modellbewertungsmetriken
Modul #7 Lineare Regression Einfache und mehrfache lineare Regression, Kostenfunktion und Gradientenabstieg
Modul #8 Logistische Regression Binäre Klassifizierung, logistische Funktion und Entscheidungsgrenzen
Modul #9 Entscheidungsbäume Einführung in Entscheidungsbäume, Entropie und Information Gain
Modul #10 Random Forests Ensemble-Lernen, Bagging und Random Forests
Modul #11 Support Vector Machines Maximum-Margin-Klassifizierung, Soft Margin und Kernel-Trick
Modul #12 Unüberwachtes Lernen Clustering, Dimensionsreduktion und Anomalieerkennung
Modul #13 K-Means-Clustering K-Means-Algorithmus, Centroid-Initialisierung und Konvergenz
Modul #14 Hauptkomponentenanalyse PCA, Merkmalsextraktion und Dimensionsreduktion
Modul #15 Grundlagen des Deep Learning Einführung in neuronale Netze, Perzeptron und mehrschichtiges Perzeptron
Modul #16 Convolutional Neural Networks CNNs, Convolutional Layers und Bildklassifizierung
Modul #17 Recurrent Neural Networks RNNs, LSTM und Sequenzmodellierung
Modul #18 Natural Language Processing Textvorverarbeitung, Tokenisierung und Wort Einbettungen
Modul #19 Transferlernen Vorab trainierte Modelle, Feinabstimmung und Modellzoo
Modul #20 Modellbewertung und -auswahl Modellauswahl, Hyperparameterabstimmung und Kreuzvalidierung
Modul #21 Umgang mit unausgewogenen Datensätzen Klassenungleichgewicht, Überabtastungs- und Unterabtastungstechniken
Modul #22 Modellbereitstellung Modellbereitstellung, API-Integration und Docker-Containerisierung
Modul #23 KI-Ethik und Fairness Erkennung von Verzerrungen, Fairnessmetriken und ethische Überlegungen
Modul #24 Spezielle Themen in der KI Generative Modelle, Aufmerksamkeitsmechanismen und erklärbare KI
Modul #25 Kursabschluss und Schlussfolgerung Planen Sie die nächsten Schritte in Ihrer Karriere im Bereich künstliche Intelligenz und maschinelles Lernen
