• 05: Wie lernen Maschinen?

    • Erfahren Sie hier, wie man Computer lernen und interessante Beziehungen in Daten entdecken lassen kann.

      In diesem Modul lernen Sie ...

      • Probleme des Überwachten, Unüberwachten und Verstärkenden maschinellen Lernens voneinander abzugrenzen.
      • wie unüberwachte Lernalgorithmen Cluster erkennen und Ausreißer identifzieren.
      • wie Agenten beim Verstärkenden Lernen durch Versuch und Irrtum zunehmend bessere Entscheidungen treffen.
      • wie Sie diese Algorithmen anpassen und verbessern können, um gewünschte Ergebnisse zu erhalten.
      • Anwendungsfelder der Methoden zu erkennen und zu charakterisieren.

      Drei Roboter

      Eine Technologie aus dem Feld der Künstlichen Intelligenz hat in letzter Zeit besondere Aufmerksamkeit erregt: das Maschinelle Lernen. Von Spam-Filtern, personalisierten Empfehlungen über Bild- und Spracherkennung bis hin zu autonomen Fahrzeugen und intelligent anmutenden Chatbots – Maschinelles Lernen prägt unseren Alltag schon jetzt mehr, als viele ahnen. In diesem Modul lernen Sie die drei grundlegenden Paradigmen des Maschinellen Lernens kennen: Überwachtes , Unüberwachtes Lernen und Verstärkendes Lernen. Jedes dieser Paradigmen bietet spezifische Techniken und Methoden, um Probleme zu lösen und wertvolle Funktionalitäten oder Erkenntnisse zu gewinnen. Entdecken Sie in diesem Modul die grundlegenden Ideen des Maschinellen Lernens und erhalten Sie wichtige Kenntnisse über die Möglichkeiten und Grenzen dieser Technologie.
    • Lesson icon
      Kapitel 0: Paradigmen des Maschinellen Lernens
      Students must
      Go through the activity to the end
    • Lesson icon
      Kapitel 1: Überwachtes Lernen
      Students must
      Go through the activity to the end
    • Lesson icon
      Kapitel 2: Unüberwachtes Lernen
      Students must
      Go through the activity to the end
    • Lesson icon
      Kapitel 3: Verstärkendes Lernen
      Students must
      Go through the activity to the end