In diesem Modul diskutieren wir den vielleicht wichtigsten Faktor, der den Erfolg von KI Algorithmen bestimmt: Daten. Insbesondere werden wir uns mit einigen der wichtigsten Herausforderungen befassen, die bei der Sammlung von und der Arbeit mit Gesundheitsdaten zu bewältigen sind. In diesem Modul werden auch KI-Techniken vorgestellt, die zur Familie des überwachenden Maschinellen Lernens (ML) gehören. Dieser Abschnitt führt Sie durch den konzeptionellen Rahmen und die mathematischen Grundlagen dieser Techniken. Schließlich werden wir uns mit den gängigen Ansätzen zur Bewertung der Leistung dieser Modelle befassen. Am Ende dieses Moduls sollten Sie ein grundlegendes Verständnis für die Herausforderungen der Datenwissenschaft im Gesundheitswesen, mathematische Ansätze zur Formulierung von Problemen der Datenwissenschaft im Gesundheitswesen, die Diagnose und Vorhersage beinhalten, und die wichtigsten grundlegenden ML-Ansätze für diese Probleme, wie Klassifizierungsbäume und Ensemble-Klassifizierungsmethoden, haben

Was ist künstliche Intelligenz? Schon bevor Wissenschaftler den Begriff erfanden, kämpften Gelehrte wie Alan Turing und John von Neumann mit vielen der mathematischen und logischen Herausforderungen, mit denen sich KI-Forscher auch heute noch auseinandersetzen. Seit der Begriff auf einer Konferenz im Sommer 1957 geprägt wurde, haben Wissenschaftler, Philosophen und politische Entscheidungsträger heftig über die Definition von KI diskutiert. Da dies jedoch kein Mathematik-, Informatik- oder Philosophiekurs ist, besteht unser Ziel in diesem Modul darin, Ihnen praktische Definitionen von Schlüsselbegriffen im Zusammenhang mit KI zu vermitteln und einen qualitativen Überblick über gängige KI-Modelle zu geben. Wir hoffen, dass sich einige von Ihnen zu weiteren Kursen inspirieren lassen, in denen die in diesem Modul behandelten Themen vertieft werden.

In diesem Modul werden wir das Konzept der generativen Modelle des Maschinellen Lernens (ML) vorstellen und erklären, wie sich diese Modelle von den diskriminativen Modellen unterscheiden, die wir in früheren Modulen kennengelernt haben. Wenn Sie nicht wissen, was "diskriminative Modelle" bedeutet, lesen Sie weiter und wir werden den Begriff definieren, bevor wir tiefer einsteigen. FROM dieser Grundlage werden wir das Konzept der generativen KI einführen und untersuchen, wie es in das breitere Feld der ML passt. Nachdem wir einige Grundlagen über generative KI gelernt haben, werden wir uns mit großen Sprachmodellen (LLMs) beschäftigen und erfahren, warum Halluzinationen besser als Fehler betrachtet werden sollten.