KI Methoden und Werkzeuge

  1. Expertensysteme: Definition
  2. Komponenten von Expertsystemen
  3. Beispiele für Expertensysteme

  1. Lernen aus Beispielen
  2. Arten des Lernens
    1. Überwachtes Lernen (Supervised Learning)
    2. Nichtüberwachtes Lernen (Unsupervised Learning)
    3. Verstärkendes Lernen (Reinforcement Learning)
  3. Werkzeuge für KI / Maschinelles Lernen
    1. Programmierumgebung
    2. Grafische Tools, KNIME
  4. Regression
    1. Univariate Regression
    2. Multivariate Regression
    3. Qualität von Regressionsmodellen
  5. Klassifikation
    1. Logistische Regression
    2. Entscheidungsbäume
    3. Qualität von Klassifikatoren
  6. Bias und Varianz
  7. Featureextraktion
  8. Ensemble Learning
    1. Random Forest
    2. Regression Trees
    3. Boosted Trees
    4. Hyperparameter-Tuning beim maschinellen Lernen

  1. Neuronale Netze
    1. Neuronen in der Biologie
    2. Perceptron
    3. Backpropagation und Gradientenabstieg
    4. Convolutional Neural Networks (CNN)
    5. Recurrent Neural Networks (RNN)
  2. Deep Learning: Beispiele und Use Cases
  3. Praktische Aspekte von Deep Learning
    1. Frameworks
    2. Labelling und Augmentation
    3. Standardmodelle und Transfer Learning

  1. Beispiele für NLP Aufgaben
  2. Text Preprocessing
  3. Embeddings
  4. Transformers
  5. Large Language Models

  1. Programmierumgebungen für KI/ML
    1. Jupyter Notebooks + Python, Anaconda
    2. Frameworks: Scikit-Learn, Tensorflow, PyTorch, Keras usw.
  2. Codeless KI/ML
    1. KNIME Analytics Plattform
    2. Weitere

Einführung in KI

Angewandte KI Methodology