Beim Laden des Videoplayers ist ein Fehler aufgetreten, oder es dauert lange, bis er initialisiert wird. Sie können versuchen, Ihren Browser-Cache zu leeren. Bitte versuchen Sie es später noch einmal und wenden Sie sich an den Helpdesk, wenn das Problem weiterhin besteht.

Künstliche Intelligenz (KI) ist im Alltag angekommen. Ob Sie Sprachassistenzsysteme auf Ihrem Smartphone oder Autopilotfunktionen in einem Fahrzeug nutzen, immer steckt KI dahinter. Doch es hat ein Paradigmenwechsel stattgefunden: Statt alle Schritte der Wissensverarbeitung manuell zu kodieren, werden Lernmethoden programmiert. Mit Hilfe des maschinellen Lernens erkennen Systeme die Struktur unserer Welt von selbst und ergänzen ihre Wissensbasis. Das maschinelle Lernen hat bereits viele Einsatzgebiete der Sprachverarbeitung, Bild- und Objekterkennung revolutioniert und gewinnt erheblich an Bedeutung für die Digitalisierung in Wirtschaft und Gesellschaft. Und es ist eine Schlüsseltechnologie für die Entwicklung autonomer Systeme: kollaborative Roboter, die mit ihren menschlichen Kollegen Hand in Hand arbeiten ebenso wie selbstfahrende Autos.

Seit 10. April 2017 im Selbststudium
Kurssprache: Deutsch

Kursinformationen

Künstliche Intelligenz (KI) ist im Alltag angekommen. Ob Sie Sprachassistenzsysteme auf Ihrem Smartphone oder Autopilotfunktionen in einem Fahrzeug nutzen, immer steckt KI dahinter. Doch es hat ein Paradigmenwechsel stattgefunden: Statt alle Schritte der Wissensverarbeitung manuell zu kodieren, werden Lernmethoden programmiert. Mit Hilfe des maschinellen Lernens erkennen Systeme die Struktur unserer Welt von selbst und ergänzen ihre Wissensbasis. Das maschinelle Lernen hat bereits viele Einsatzgebiete der Sprachverarbeitung, Bild- und Objekterkennung revolutioniert und gewinnt erheblich an Bedeutung für die Digitalisierung in Wirtschaft und Gesellschaft. Und es ist eine Schlüsseltechnologie für die Entwicklung autonomer Systeme: kollaborative Roboter, die mit ihren menschlichen Kollegen Hand in Hand arbeiten ebenso wie selbstfahrende Autos.

In 3 Kurswochen bieten Wissenschaftler, Vertreter aus Unternehmen, Entwickler und Anwender in insgesamt 38 Videos Orientierungswissen für das maschinelle Lernen. Sie erhalten einen Überblick über Methoden des maschinellen Lernens, Anwendungsfelder und Werkzeuge. Konkrete Anwendungsbeispiele aus unterschiedlichsten Branchen wie der Automobilindustrie, der Gesundheitstechnologie oder der Finanzindustrie vermitteln einen Einblick, welche Probleme bereits heute mit Hilfe des maschinellen Lernens gelöst werden können. Der Kurs startet zur CeBIT 2017 am 20. März.

Kurskoordination:
Dr. Damian Borth, Director DFKI Deep Learning Competence Center
Johannes Melzer, acatech - Deutsche Akademie der Technikwissenschaften

Einführung:
Maschinelles Lernen als eine Grundlage Künstlicher Intelligenz – Prof. Dr. Wolfgang Wahlster (Deutsches Forschungszentrum für Künstliche Intelligenz)

Woche 1: Methoden

  • Prozessmodelle für maschinelles Lernen – Prof. Dr. Stefan Wrobel (Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS)
  • Klassifikation und Regression - Entscheidungsbäume – Prof. Dr. Katharina Morik (TU Dortmund)
  • Klassifikation und Regression - Stützvektormethode – Prof. Dr. Katharina Morik (TU Dortmund)
  • Probabilistische Graphische Modelle – Prof. Dr. Kristian Kersting (TU Dortmund)
  • Clustering: Unüberwachtes Lernen 1 – Prof. Dr. Emmanuel Müller (Hasso-Plattner-Institut)
  • Clustering: Unüberwachtes Lernen 2 – Prof. Dr. Emmanuel Müller (Hasso-Plattner-Institut)
  • Reinforcement Learning – Prof. Dr. Helge Ritter (Universität Bielefeld)
  • Neuronale Netze – Prof. Dr. Helge Ritter (Universität Bielefeld)
  • Convolutional Neural Networks (CNN) – Dr. Damian Borth (DFKI Deep Learning Competence Center)
  • Recurrent Neural Networks (LSTM) – Prof. Dr. Alexander Löser und Prof. Dr. Felix Gers (Beuth Hochschule für Technik Berlin)
  • Generative Adversial Networks (GAN) – Dr. Damian Borth (DFKI Deep Learning Competence Center)

Woche 2: Werkzeuge

  • Big Data und Data Management für maschinelles Lernen – Prof. Dr. Volker Markl (TU Berlin / Deutsches Forschungszentrum für Künstliche Intelligenz)
  • Data Science mit Python – Daniel Stemmer (Blue Yonder)
  • Maschinelles Lernen mit Tensor Flow – Alex Osterloh (Google)
  • RapidMiner - Predictive Analytics Plattform für Maschinelles Lernen – Ralf Klinkenberg (RapidMiner)
  • Deep Learning mit GPUs – Axel Koehler (NVIDIA)

Woche 3: Einsatzfelder

  • Natural Language Processing 2 - Maschinelle Übersetzung – Prof. Dr. Josef van Genabith (DFKI)
  • Natural Language Processing 1 - Machinelle Übersetzung mit neuronalen Netzen (Teil 2) – Dr. Georg Heigold (DFKI)
  • Bildklassifizierung und Objekterkennung – Dr. Mario Fritz (Max-Planck-Institut für Informatik)
  • Question Answering Systems – Dr. Mario Fritz (Max-Planck-Institut für Informatik)
  • Anomalieerkennung – Prof. Dr. Stefan Wrobel (Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS)
  • Multi-Sensor Fusion: Einführung – Prof. Dr. Paul Lukowicz (DFKI)
  • Multi-Sensor Fusion: Anwendung – Prof. Dr. Paul Lukowicz (DFKI)

Bereits ab Kursstart verfügbar: Anwendungsbeispiele

  • Maschinelles Lernen für autonomes Fahren – Dr. Reinhard Stolle (BMW Group)
  • Intelligente Geschäftsanwendungen der SAP – Dr. Markus Noga (SAP)
  • Maschinelles Lernen und Industrie 4.0 – Prof. Dr. Volker Tresp (Siemens / Ludwig-Maximilians-Universität München)
  • Maschinelles Lernen im Einzelhandel – Jan Karstens (Blue Yonder)
  • Forensische Datenanalysen zur Aufdeckung von Wirtschaftskriminalität – Marco Schreyer (PricewaterhouseCoopers)
  • Maschinelles Lernen und kognitive Systeme im Healthcare-Bereich – Matthias Reumann (IBM)
  • Maschinelles Lernen im Dokumentenmanagement – Dan Wucherpfennig (Leverton)
  • Anwendung in der Versicherung: Smart Underwriting – Wolfgang Hauner (Munich RE)
  • Nachhaltigkeitsrankings für den Kapitelmarkt – Matthias Bönning (Oekom Research)
  • Mehr Transparenz in der Finanzwelt – Stephan Wolf (Global Legal Entity Identifier Foundation)
  • Maschinelles Lernen bei Amazon – Ralf Herbrich (Amazon)

Ethische und rechtliche Aspekte

  • Rechtliche Aspekte – Prof. Dr. Eric Hilgendorf (Julius-Maximilians-Universität Würzburg)
  • Ethische Aspekte – Prof. Dr. Peter Dabrock (Friedrich-Alexander-Universität Erlangen-Nürnberg / Deutscher Ethikrat)

Quelle Kursbild: vladistock - Fotolia

Für diesen Kurs einschreiben

Der Kurs ist kostenlos. Legen Sie sich einfach ein Benutzerkonto auf mooc.house an und nehmen Sie am Kurs teil!
Jetzt einschreiben

Lernende

Aktuell
Heute
8.402
Kursende
10. April 2017
4.532
Kursstart
20. März 2017
3.517

Anforderungen für Leistungsnachweise

  • Die Teilnahmebestätigung erhält, wer auf mindestens 50% der Kursunterlagen zugegriffen hat.

Mehr Informationen finden Sie in den Richtlinien für Leistungsnachweise.

Dieser Kurs wird angeboten von

Prof. Dr. Henning Kagermann

Henning Kagermann ist seit 2009 Präsident von acatech – Deutsche Akademie der Technikwissenschaften, die unabhängige, gemeinwohlorientierte und wissenschaftsbasierte Politik- und Gesellschaftsberatung leistet. Von 2010 bis 2013 trieb er als Sprecher der Promotorengruppe Kommunikation der Forschungsunion Wirtschaft – Wissenschaft sowie des Steuerkreises des Innovationsdialogs zwischen Bundesregierung, Wirtschaft und Wissenschaft Zukunftsprojekte wie Industrie 4.0 und Smart Service Welt voran. Seit 2015 begleitet Henning Kagermann als Mitglied des Hightech-Forums die Weiterentwicklung der deutschen Forschungs- und Innovationspolitik und ist Sprecher des dortigen Fachforums Autonome Systeme. Mit der Gründung der Nationalen Plattform Elektromobilität (NPE) wurde Henning Kagermann 2010 zu deren Vorsitzenden berufen. Seitdem leitet er zusammen mit den Staatssekretären des Bundesministeriums für Wirtschaft und Energie sowie des Bundesministeriums für Verkehr und digitale Infrastruktur den Lenkungskreis der Plattform. Der habilitierte Physiker ist ehemaliger Vorstandsprecher der SAP AG.

Prof. Dr. Wolfgang Wahlster

Wolfgang Wahlster ist Professor für Informatik an der Universität des Saarlandes und leitet als technisch-wissenschaftlicher Direktor und Vorsitzender der Geschäftsführung das 1988 gegründete Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI GmbH) in Saarbrücken, Kaiserslautern, Bremen und Berlin als die weltweit größte Forschungseinrichtung auf diesem Gebiet mit über 700 Wissenschaftlern. Seine aktuellen Forschungsgebiete sind multimodale Sprachdialogsysteme, benutzeradaptive Assistenzsysteme für das Internet der Dienste und der Dinge sowie cyber-physische Produktionssysteme auf der Basis digitaler Produktgedächtnisse. Für seine Forschungen wurde er mit dem deutschen Zukunftspreis des Bundespräsidenten und Ehrendoktorwürden der Universitäten Darmstadt, Linkoeping und Maastricht ausgezeichnet. Er ist Mitglied der Nobelpreis-Akademie in Stockholm sowie der deutschen Nationalakademie Leopoldina. Als Mitglied von Beratungsgremien der Bundesregierung wie den Partnern für Innovation und der Forschungsunion hat er Zukunftsprojekte wie Industrie 4.0 und Smart Service Welt mitinitiiert. Mit über 70 erfolgreichen Firmenneugründungen leitet er eines der gründungsaktivsten Forschungszentren und ist in zahlreichen industriellen Aufsichtsräten und Beiräten tätig.