Verstehen der zentralen KI- und ML-Konzepte, des Schlüsselvokabulars und des R.O.A.D.-Frameworks für ein effektives Projektmanagement und die Implementierung von KI.
Bewerten Sie Modelle des Maschinellen Lernens anhand von Leistungskennzahlen und verstehen Sie die Kompromisse bei der Auswahl und Optimierung von Algorithmen.
Analysieren Sie KI Algorithmen wie SVM, Entscheidungsbäume und Neuronale Netze und ermitteln Sie deren Stärken, Schwächen und praktische Anwendungen.
Bewertung der Datenqualität, Berechnung der Übereinstimmung zwischen den Kommentatoren und Berücksichtigung von Ressourcen- und Leistungskompromissen in KI- und ML-Systemen.
Kompetenzen, die Sie erwerben
Kategorie: Algorithmen für maschinelles Lernen
Algorithmen für maschinelles Lernen
Kategorie: Validierung von Daten
Validierung von Daten
Kategorie: Künstliche Intelligenz
Künstliche Intelligenz
Kategorie: Leistungsmessung
Leistungsmessung
Kategorie: Qualität der Daten
Qualität der Daten
Kategorie: Strategische Führung
Strategische Führung
Kategorie: Leistungsmetrik
Leistungsmetrik
Kategorie: Methoden des maschinellen Lernens
Methoden des maschinellen Lernens
Kategorie: Algorithmen
Algorithmen
Kategorie: KI-Produktstrategie
KI-Produktstrategie
Kategorie: Maschinelles Lernen
Maschinelles Lernen
Kategorie: Entscheidungsintelligenz
Entscheidungsintelligenz
Kategorie: Daten-Ethik
Daten-Ethik
Kategorie: Verantwortungsvolle AI
Verantwortungsvolle AI
Kategorie: Künstliche Intelligenz und maschinelles Lernen (AI/ML)
Künstliche Intelligenz und maschinelles Lernen (AI/ML)
Kategorie: KI-Kenntnisse
KI-Kenntnisse
Kategorie: Bewertung des Modells
Bewertung des Modells
Werkzeuge, die Sie lernen werden
Kategorie: Modell-Einsatz
Modell-Einsatz
Kategorie: AI-Arbeitsabläufe
AI-Arbeitsabläufe
Kategorie: Klassifizierungsalgorithmen
Klassifizierungsalgorithmen
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
15 Aufgaben
Unterrichtet in Englisch
91%
of learners achieved a positive career outcome
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Der Kurs "Core Concepts in AI" bietet eine umfassende Grundlage in künstlicher Intelligenz (AI) und maschinellem Lernen (ML) und stattet die Lernenden mit den wesentlichen Werkzeugen aus, um AI-Systeme effektiv zu verstehen, zu bewerten und zu implementieren. Von der Entschlüsselung von Schlüsselterminologie und Frameworks wie R.O.A.D. (Requirements, Operationalize Data, Analytic Method, Deployment) bis hin zur Erforschung von Algorithmenkompromissen und Datenqualität bietet dieser Kurs praktische Einblicke, die eine Brücke zwischen technischen Konzepten und strategischer Entscheidungsfindung schlagen. Was diesen Kurs von anderen unterscheidet, ist sein Fokus auf ein ausgewogenes Verhältnis zwischen technischer Tiefe und Zugänglichkeit, was ihn ideal für Führungskräfte, Manager und Fachleute macht, die mit der Durchführung von KI-Initiativen beauftragt sind. Die Lernenden werden sich mit Leistungsmetriken, der Abstimmung zwischen Annotatoren und Kompromissen bei den Ressourcen befassen und ein differenziertes Verständnis der Stärken und Grenzen von KI erlangen. Egal, ob Sie ein Neuling sind oder Ihr Wissen vertiefen möchten, dieser Kurs versetzt Sie in die Lage, fundierte KI-Entscheidungen zu treffen, Systeme zu optimieren und Herausforderungen bei der Datenqualität und der Auswahl von Algorithmen zu bewältigen. Am Ende des Kurses werden Sie das Selbstvertrauen haben, KI-Projekte zu steuern und mit den Unternehmenszielen in Einklang zu bringen, um sich als strategischer Führer in der KI-gesteuerten Innovation zu positionieren.
Dieser Kurs bietet eine umfassende Einführung in die Schlüsselkonzepte der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML). Die Lernenden erforschen grundlegendes Vokabular, das R.O.A.D.-Framework, Leistungsbewertung und Kompromisse bei Algorithmen. Zu den Themen gehören Datenqualität, Übereinstimmung zwischen den Kommentatoren sowie die Stärken und Schwächen von KI-Methoden. Am Ende des Kurses werden die Lernenden mit dem grundlegenden Wissen ausgestattet sein, um KI- und ML-Systeme effektiv zu steuern und zu bewerten.
Das ist alles enthalten
1 Lektüre1 Plug-in
Infos zu Modulinhalt anzeigen
1 Lektüre•Insgesamt 5 Minuten
Überblick über den Kurs•5 Minuten
1 Plug-in•Insgesamt 4 Minuten
Treffen Sie Ihren Ausbilder: Dr. Ian McCulloh•4 Minuten
Einführung in die Künstliche Intelligenz
Modul 2•6 Stunden abzuschließen
Moduldetails
Dieses Modul bietet eine Einführung in die Künstliche Intelligenz (KI). Es setzt keine Vorkenntnisse über KI voraus und eignet sich für die Einweisung von Führungskräften und nicht-technischen Führungskräften, um Wissen, Erwartungen und Kommunikation für KI-Projekte zu verbessern.
Das ist alles enthalten
6 Videos3 Lektüren3 Aufgaben
Infos zu Modulinhalt anzeigen
6 Videos•Insgesamt 120 Minuten
Einführung in künstliche Intelligenz (KI)•40 Minuten
Einführung in die Künstliche Intelligenz•60 Minuten
Erforschung der KI-Grundlagen und des Projektmanagements•15 Minuten
Beherrschung des R.O.A.D.-Rahmens für KI-Projekte•15 Minuten
Maschinelles Lernen
Modul 3•3 Stunden abzuschließen
Moduldetails
Dieses Modul befasst sich mit den statistischen Grundlagen des Maschinellen Lernens und den gängigen Messgrößen zur Bewertung der Leistung von Maschinellem Lernen und Künstlicher Intelligenz.
Das ist alles enthalten
6 Videos1 Lektüre3 Aufgaben
Infos zu Modulinhalt anzeigen
6 Videos•Insgesamt 63 Minuten
Schritte beim Testen von Hypothesen•15 Minuten
Zwei Stichproben T-Tests•15 Minuten
Analyse der Varianz (ANOVA)•2 Minuten
Arten von Fehlern bei statistischen Schätzungen•12 Minuten
Leistung beim maschinellen Lernen - Teil 1•13 Minuten
Leistung des Maschinellen Lernens - Teil 2•6 Minuten
1 Lektüre•Insgesamt 10 Minuten
Lektüre Referenzen•10 Minuten
3 Aufgaben•Insgesamt 90 Minuten
Maschinelles Lernen•60 Minuten
Grundlagen der Hypothesentests und der statistischen Analyse•15 Minuten
Verständnis von Fehlern und Leistungsmetriken beim Maschinellen Lernen•15 Minuten
Kompromisse bei Algorithmen
Modul 4•3 Stunden abzuschließen
Moduldetails
In diesem Modul werden die gängigsten Algorithmen für KI und Maschinelles Lernen vorgestellt, darunter Support Vector Machines, Naive Bayes, Entscheidungsbäume, Random Forest und Neuronale Netze. Wir werden die Stärken und Schwächen dieser Algorithmen für verschiedene Problemklassen diskutieren.
Das ist alles enthalten
8 Videos1 Lektüre3 Aufgaben
Infos zu Modulinhalt anzeigen
8 Videos•Insgesamt 64 Minuten
Kompromisse bei Algorithmen•5 Minuten
Support-Vektor-Maschinen•7 Minuten
Naïve Bayes•5 Minuten
Entscheidungsbäume•10 Minuten
Zufälliger Wald•4 Minuten
Neuronale Netzwerke•15 Minuten
Unüberwachtes Lernen•3 Minuten
Algorithmus-Kompromiss-Szenarien•13 Minuten
1 Lektüre•Insgesamt 30 Minuten
Referenzen lesen•30 Minuten
3 Aufgaben•Insgesamt 90 Minuten
Kompromisse bei Algorithmen•60 Minuten
Erforschung des überwachten Lernens und der Kompromisse zwischen den Algorithmen•15 Minuten
Fortgeschrittene Algorithmen und Kompromiss-Szenarien•15 Minuten
Daten
Modul 5•4 Stunden abzuschließen
Moduldetails
Dieses Modul befasst sich mit Datentypen (nominal, ordinal, kategorial) und den Herausforderungen der Datenbeschriftung, einschließlich der kognitiven Grenzen des Menschen und der Referenzprobleme. Ein Hauptaugenmerk liegt auf der Übereinstimmung zwischen den Kommentatoren - einer Methode zur Messung der Konsistenz von Beschriftungen, die Bias und Ineffizienzen in menschlichen und maschinellen Prozessen aufzeigt. Eine konsistente Beschriftung, die oft wirkungsvoller ist als fortschrittliche Algorithmen, ist für eine verantwortungsvolle KI entscheidend.
Kompromisse zwischen Größe, Konsistenz und Qualität•15 Minuten
1 Lektüre•Insgesamt 30 Minuten
Referenzen lesen•30 Minuten
3 Aufgaben•Insgesamt 90 Minuten
Daten - Beurteilungen•60 Minuten
Datengrundlagen und Kennzeichnungstechniken•15 Minuten
Standards für Datenqualität und -kommentierung•15 Minuten
Ressourcen
Modul 6•5 Stunden abzuschließen
Moduldetails
In diesem Modul werden die gängigsten Überlegungen zu Ressourcen in der KI vorgestellt, insbesondere zu Speicher, Kompromissen bei der Datenverarbeitung, der Aussagekraft von Abfragen und der Leistung von Algorithmen.
Das ist alles enthalten
10 Videos1 Lektüre3 Aufgaben
Infos zu Modulinhalt anzeigen
10 Videos•Insgesamt 102 Minuten
Ressourcen•3 Minuten
Speicher•15 Minuten
Speicheranwendungen und Herausforderungen•8 Minuten
Strategien für die Speicherverwaltung•12 Minuten
Kompromisse bei der Datenverarbeitung - Algorithmen•10 Minuten
Kompromisse bei der Berechnung - Parallelisierung•14 Minuten
Ausdruckskraft der Abfrage•9 Minuten
Beispiele für die Aussagekraft von Abfragen•14 Minuten
Ausdruckskraft von Abfragen - Praktische Implikationen•6 Minuten
Leistung•11 Minuten
1 Lektüre•Insgesamt 90 Minuten
Referenzen lesen•90 Minuten
3 Aufgaben•Insgesamt 90 Minuten
Ressourcen•60 Minuten
Speicherverwaltung und rechnerische Kompromisse in Algorithmen•15 Minuten
Kompromisse bei der Berechnung, Ausdruckskraft von Abfragen und Optimierung der Leistung•15 Minuten
Dozent
Lehrkraftbewertungen
Lehrkraftbewertungen
Wir haben alle Lernenden um Feedback zu unseren Dozenten gebeten, ausgehend von der Qualität ihres Unterrichtsstils.
Die Aufgabe der Johns Hopkins University ist es, ihre Studenten auszubilden und ihre Fähigkeit zum lebenslangen Lernen zu fördern, unabhängige und originelle Forschung zu betreiben und der Welt den Nutzen von Entdeckungen zu bringen.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was erhalte ich, wenn ich das Zertifikat kaufe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugang zu allen Kursmaterialien, einschließlich der benoteten Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.