Erwerben Sie praktische Grundlagen in den Bereichen Künstliche Intelligenz und Maschinelles Lernen und erfahren Sie dabei, wie intelligente Systeme suchen, schlussfolgern, lernen und Entscheidungen treffen. Sie beginnen mit KI-Konzepten, intelligenten Agenten, der Zustandsraumdarstellung und der Problemlösung mittels BFS, DFS und Backtracking. Anschließend wenden Sie heuristische Suche, Hill-Climbing, Best-First-Suche, Minimax und Alpha-Beta-Pruning auf strukturierte und adversarische Probleme an.

Der Kurs führt weiter in die Grundlagen des maschinellen Lernens ein, darunter Perzeptrone, neuronale Netze, Backpropagation, k-Means-Clustering sowie überwachtes und unüberwachtes Lernen. Außerdem nutzen Sie Aussagen- und Prädikatenlogik, Inferenzregeln, Unifikation, Skolemisierung, Resolution und Prolog, um Wissen darzustellen und logische Probleme zu lösen. Praktische Clips-Tutorials führen Sie von Grundregeln zu Vorlagen, Variablen, Platzhaltern, Quantoren und logischen Operatoren für den Aufbau von Expertensystemen. Dieser Kurs richtet sich an Lernende, die sowohl ein konzeptionelles Verständnis als auch praktische Erfahrungen im Bereich der KI anstreben, und schließt mit Architekturen intelligenter Agenten, verstärktem Lernen, Markovschen Entscheidungsprozessen und bayesschem Schlussfolgern für die Entscheidungsfindung unter Unsicherheit ab. Sein einzigartiger Aufbau verbindet klassische KI-Suchverfahren, maschinelles Lernen, symbolisches Schlussfolgern, Expertensysteme und probabilistische Modelle und hilft Ihnen dabei, KI- und ML-Techniken auf Probleme in Forschung, Wirtschaft und Technologie anzuwenden.