Tutorialspoint

Künstliche Intelligenz - einfach erklärt für Einsteiger

Grundlagen zu Agenten- und Multiagentensystemen, Neuronalen Netzen, Deep Learning, Machine Learning & Computer Vision ✅

  Axel Mammitzsch

   Development, Data Science and AI ML, Artificial Intelligence

  Language - English

   Published on 10/2020

0

Description

Dieser Videokurs über künstliche Intelligenz richtet sich an Einsteiger und ist so aufgebaut, dass Ihnen die Grundlagen im Rahmen der geschichtlichen Entwicklung der KI vermittelt werden. Aus diesem Grund beginnt unsere Reise mit dem Punkt "Einführung und geschichtlicher Hintergrund der KI".

Themen und Inhalte der Lektionen:

I. Einführung und geschichtlicher Hintergrund

  • Was ist KI – eine philosophische Betrachtung

  • Starke und Schwache KI

  • Der Turing Test

  • Die Geburt der KI

  • Die Ära der großen Erwartungen

  • Das Einholen der Realität

  • Wie man einer Maschine das Lernen beibringt

  • Verteilte Systeme in der KI

  • Deep Learning, Machine Learning, Natural Language Processing

II. Der allgemeine Problemlöser

  • Beweisprogramm - Logical Theorist

  • Beispiel aus “Human Problem Solving“ (Simon)

  • Die Struktur eines Problems

Im diesem Abschnitt greifen wir zunächst die anfänglichen Techniken der KI auf. Sie lernen dabei die Konzepte und berühmte Beispielsysteme kennen, die diese frühe Phase der Euphorie auslösten.

III. Expertensysteme

  • Faktenwissen und heuristisches Wissen

  • Frames, Slots und Filler

  • Vorwärts- und Rückwärtsverkettung

  • Das MYCIN Programm

  • Wahrscheinlichkeiten in Expertensystemen

  • Beispiel - Wahrscheinlichkeit von Haarrissen

In diesem Abschnitt behandeln wir Expertensysteme, die ähnlich zu den allgemeinen Problemlösern nur spezielle Probleme behandeln. Aber dafür exzessiv auf Regeln und Fakten in Form einer Wissensbasis zugreifen. 

IV. Neuronale Netze

  • Das menschliche Neuron

  • Signalverarbeitung eines Neurons

  • Das Perceptron

Dieser Abschnitt läutet die Rückkehr zu der Idee ein, das menschliche Gehirn nachbauen zu können und so in Form von neuronalen Netzen der digitalen Informationsverarbeitung zugänglich zu machen. Wir betrachten die frühen Ansätze und stellen heraus, welche Ideen noch gefehlt haben, um neuronalen Netzen zum Durchbruch zu verhelfen.

V. Maschinelles Lernen (Deep Learning & Computer Vision)

  • Beispiel – Kartoffelernte

  • Das Geburtsjahr des Deep Learning

  • Schichten von Deep-Learning-Netzen

  • Maschinelles Sehen / Computer Vision

  • Convolutional Neural Network.

Die Idee eines Agenten und ihr Zusammenspiel in einem Multi-Agenten-System wird im fünften Abschnitt beschrieben. Ein solches System dient im Wesentlichen dazu, Komplexität auf mehrere Instanzen zu verteilen.

Der sechste Abschnitt behandelt den Durchbruch der mehrschichtigen neuronalen Netze, maschinelles Lernen, maschinelle Sehen (Computer Vision), Spracherkennung und einige weitere Anwendungen der heutigen KI.

Who this course is for:

  • Für interessierte Studenten, Forscher, Anfänger und Fortgeschrittene auf dem Gebiet der künstlichen Intelligenz (KI) / Artificial Intelligence (AI).
  • Menschen, die sich grundsätzlich über das Thema künstliche Intelligenz informieren wollen.

What Will I Get ?

  • 🧬 Sie lernen die Strukturen und Aufbau moderner Systeme der künstlichen Intelligenz (KI/AI) kennen und verstehen.
  • 🧠 Sie lernen eine starke und schwache KI zu unterscheiden.
  • 💡 Sie lernen, was "Deep Learning" ist.
  • 💡 Sie lernen, was "Machine Learning" ist.
  • 🔍 Was ist die Struktur eines Problems.
  • ⛓️ Sie lernen etwas über Vorwärts- und Rückwärtsverkettungen.
  • 📊 Erfahren Sie mehr über Wahrscheinlichkeiten in Expertensystemen.
  • 🧠 Sie lernen das menschliche Neuron kennen.
  • 💠 Welche Schichten in Deep-Learning-Netzen gibt es.
  • 👁️ Sie lernen maschinelles Sehen / Computer Vision kennen und verstehen.

Requirements

  • Keine Vorraussetzungen auf dem Gebiet der KI/AI nötig. Es wird alles verständlich im Detail erklärt.
0
Course Rating
0%
0%
0%
0%
0%

    Feedbacks (0)

  • No Feedbacks Yet..!

We make use of cookies to improve our user experience. By using this website, you agree with our Cookies Policy.