Angestrebte Lernergebnisse / Learning Outcomes
Die Studierenden kennen Methoden der künstlichen Intelligenz und können diese anwenden, indem sie…
- ausgehend vom Geschäftsmodell und den Daten die Ziele eines KI-Projektes präzisieren,
- Anwendungsfälle hinsichtlich ihrer Daten aufbereiten und modellieren,
- intelligentes Systemverhalten formalisieren,
- geeignete Methode und Verfahren zur Realisierung auswählen,
- state-of-the-art Frameworks und Tools einsetzen (bspw. TensorFlow),
- und smarte KI-Komponenten evaluieren,
um später smarte digitale Produkte entwickeln zu können.
Inhalt
- Historie Künstlicher Intelligenz
- Smartes Produktverhalten
- Daten verstehen, prüfen und aufbereiten
- Methoden der künstlichen Intelligenz
- Supervised Learning
- Reinforcement Learning
- Deep Learning
- GAN (Generative Adversial Networks): “KI und Kunst”
- Collective Intelligence
- Best practices
- State-of-the-art Frameworks und Tools
- Case Studies in TensorFlow/Keras
- KI und Gesellschaft
- Vorlesungen
- Workshops TensorFlow/Keras
Materialien/ Ressourcen