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.
Monday, March 20, 2017 08:00 (UTC) to Monday, April 10, 2017 08:00 (UTC)
Language: Deutsch

Course information


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

How to enroll


If you would like to enroll for this course, there are no formal prerequisites or limitations. The course is free and open for everyone. Just register for an account on mooc.house and go for the course!

Enroll me for this course

Dates and Statistics


This course was held from Mar 20, 2017 through Apr 10, 2017.

4983 learners enrolled.

Certificate Requirements


A record of achievement is issued to those who have earned more than 50% of the maximum number of points for the sum of all graded assignments. A confirmation of participation is issued to those who have completed at least 50% of the course material. Find out more in the certificate guidelines.

This course is offered by


Henning Kagermann has been president of acatech – National Academy of Science and Engineering— since 2009. The acatech provides independent, science-based advice in the public interest to policymakers and civil society. The academy advocates sustainable growth through innovation. As chair of the steering committee of innovation dialogue between the German government and the scientific and business communities and former spokesperson of the Communication Promoters Group of the Industry-Science Research Alliance, Henning Kagermann plays a key role in the promotion of strategic initiatives such as Industrie 4.0 and web-based service innovations. Since 2015, Henning Kagermann has been spokesperson of the working group on autonomous systems in the High Tech Forum, which advises the German Federal Government in the implementation of its high tech strategy.
Henning Kagermann was appointed chairman of the German National Platform for Electric Mobility (NPE) when it was established in 2010. Since then, he has chaired the Platform’s steering committee together with the respective state secretaries of the Federal Ministry for Economic Affairs and Energy and the Federal Ministry of Transport and Digital Infrastructure. Henning Kagermann holds a post-doctoral thesis in physics and is former CEO of SAP AG.

Wolfgang Wahlster is the Director and CEO of the German Research Center for Artificial Intelligence (DFKI) and a Professor of Computer Science at Saarland University. He has published more than 200 technical papers and 12 books on user modeling, spoken dialog systems, mobile and multimodal user interfaces, the semantic web, as well as the internet of things and services. He is a Fellow of AAAI, ECCAI, and GI. In 2001, the President of Germany presented the German Future Prize to Professor Wahlster for his work on intelligent user interfaces, the highest personal scientific award in Germany. He was elected Foreign Member of the Royal Swedish Nobel Prize Academy of Sciences in Stockholm and Full Member of the German National Academy of Sciences Leopoldina that was founded in 1652. He has been awarded the Federal Cross of Merit, First Class of Germany. He holds honorary doctorates from the universities of Darmstadt, Linkoeping and Maastricht. He serves on the Executive Boards of the International Computer Science Institute at UC Berkeley and EIT Digital. He is the editor of Springer’s LNAI series and on the editorial board of various top international CS journals. In 2013, Wolfgang Wahlster received the IJCAI Donald E. Walker award for his substantial contributions, as well as his extensive service to the field of Artificial Intelligence throughout his career.

Helpdesk

Your request has been sent to our support team, and will be answered as soon as possible.

Thank You!

Oops something went wrong.

Back