Der Kurs "Core Concepts in AI" bietet eine umfassende Grundlage in künstlicher Intelligenz (AI) und maschinellem Lernen (ML) und stattet die Lernenden mit den wesentlichen Werkzeugen aus, um AI-Systeme effektiv zu verstehen, zu bewerten und zu implementieren. Von der Entschlüsselung von Schlüsselterminologie und Frameworks wie R.O.A.D. (Requirements, Operationalize Data, Analytic Method, Deployment) bis hin zur Erforschung von Algorithmenkompromissen und Datenqualität bietet dieser Kurs praktische Einblicke, die eine Brücke zwischen technischen Konzepten und strategischer Entscheidungsfindung schlagen. Was diesen Kurs von anderen unterscheidet, ist sein Fokus auf ein ausgewogenes Verhältnis zwischen technischer Tiefe und Zugänglichkeit, was ihn ideal für Führungskräfte, Manager und Fachleute macht, die mit der Durchführung von KI-Initiativen beauftragt sind. Die Lernenden werden sich mit Leistungsmetriken, der Abstimmung zwischen Annotatoren und Kompromissen bei den Ressourcen befassen und ein differenziertes Verständnis der Stärken und Grenzen von KI erlangen. Egal, ob Sie ein Neuling sind oder Ihr Wissen vertiefen möchten, dieser Kurs versetzt Sie in die Lage, fundierte KI-Entscheidungen zu treffen, Systeme zu optimieren und Herausforderungen bei der Datenqualität und der Auswahl von Algorithmen zu bewältigen. Am Ende des Kurses werden Sie das Selbstvertrauen haben, KI-Projekte zu steuern und mit den Unternehmenszielen in Einklang zu bringen, um sich als strategischer Führer in der KI-gesteuerten Innovation zu positionieren.

Erwerben Sie mit Coursera Plus für 199 $ (regulär 399 $) das nächste Level. Jetzt sparen.

Einführung in AI: Schlüsselkonzepte und Anwendungen

Dozent: Ian McCulloh
3.410 bereits angemeldet
Bei enthalten
(24 Bewertungen)
Empfohlene Erfahrung
Was Sie lernen werden
Verstehen der zentralen KI- und ML-Konzepte, des Schlüsselvokabulars und des R.O.A.D.-Frameworks für ein effektives Projektmanagement und die Implementierung von KI.
Bewerten Sie Modelle des Maschinellen Lernens anhand von Leistungskennzahlen und verstehen Sie die Kompromisse bei der Auswahl und Optimierung von Algorithmen.
Analysieren Sie KI Algorithmen wie SVM, Entscheidungsbäume und Neuronale Netze und ermitteln Sie deren Stärken, Schwächen und praktische Anwendungen.
Bewertung der Datenqualität, Berechnung der Übereinstimmung zwischen den Kommentatoren und Berücksichtigung von Ressourcen- und Leistungskompromissen in KI- und ML-Systemen.
Kompetenzen, die Sie erwerben
- Kategorie: Lernen mit Entscheidungsbäumen
- Kategorie: Strategische Führung
- Kategorie: KI-Förderung
- Kategorie: Nutzung der Ressourcen
- Kategorie: Künstliche Intelligenz und Maschinelles Lernen (KI/ML)
- Kategorie: Random Forest Algorithmus
- Kategorie: Modell Bewertung
- Kategorie: Verantwortungsvolle KI
- Kategorie: Künstliche neuronale Netze
- Kategorie: Modell-Bereitstellung
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Datenqualität
- Kategorie: Maschinelles Lernen
- Kategorie: Klassifizierungsalgorithmen
- Kategorie: Systemanforderungen
- Kategorie: Leistungsmetrik
- Kategorie: Datenmanagement
- Kategorie: Algorithmen
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
15 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

In diesem Kurs gibt es 6 Module
Dieser Kurs bietet eine umfassende Einführung in die Schlüsselkonzepte der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML). Die Lernenden erforschen grundlegendes Vokabular, das R.O.A.D.-Framework, Leistungsbewertung und Kompromisse bei Algorithmen. Zu den Themen gehören Datenqualität, Übereinstimmung zwischen den Kommentatoren sowie die Stärken und Schwächen von KI-Methoden. Am Ende des Kurses werden die Lernenden mit dem grundlegenden Wissen ausgestattet sein, um KI- und ML-Systeme effektiv zu steuern und zu bewerten.
Das ist alles enthalten
1 Lektüre1 Plug-in
Dieses Modul bietet eine Einführung in die Künstliche Intelligenz (KI). Es setzt keine Vorkenntnisse über KI voraus und eignet sich für die Einweisung von Führungskräften und nicht-technischen Führungskräften, um Wissen, Erwartungen und Kommunikation für KI-Projekte zu verbessern.
Das ist alles enthalten
6 Videos4 Lektüren3 Aufgaben
Dieses Modul befasst sich mit den statistischen Grundlagen des Maschinellen Lernens und den gängigen Messgrößen zur Bewertung der Leistung von Maschinellem Lernen und Künstlicher Intelligenz.
Das ist alles enthalten
6 Videos2 Lektüren3 Aufgaben
In diesem Modul werden die gängigsten Algorithmen für KI und Maschinelles Lernen vorgestellt, darunter Support Vector Machines, Naive Bayes, Entscheidungsbäume, Random Forest und Neuronale Netze. Wir werden die Stärken und Schwächen dieser Algorithmen für verschiedene Problemklassen diskutieren.
Das ist alles enthalten
8 Videos2 Lektüren3 Aufgaben
Dieses Modul befasst sich mit Datentypen (nominal, ordinal, kategorial) und den Herausforderungen der Datenbeschriftung, einschließlich der kognitiven Grenzen des Menschen und der Referenzprobleme. Ein Hauptaugenmerk liegt auf der Übereinstimmung zwischen den Kommentatoren - einer Methode zur Messung der Konsistenz von Beschriftungen, die Bias und Ineffizienzen in menschlichen und maschinellen Prozessen aufzeigt. Eine konsistente Beschriftung, die oft wirkungsvoller ist als fortschrittliche Algorithmen, ist für eine verantwortungsvolle KI entscheidend.
Das ist alles enthalten
9 Videos2 Lektüren3 Aufgaben
In diesem Modul werden die gängigsten Überlegungen zu Ressourcen in der KI vorgestellt, insbesondere zu Speicher, Kompromissen bei der Datenverarbeitung, der Aussagekraft von Abfragen und der Leistung von Algorithmen.
Das ist alles enthalten
10 Videos2 Lektüren3 Aufgaben
Dozent

Mehr von Datenmanagement entdecken
Status: Kostenloser Testzeitraum
Status: VorschauO.P. Jindal Global University
Status: VorschauUniversity of Illinois Urbana-Champaign
Status: Vorschau
Warum entscheiden sich Menschen für Coursera für ihre Karriere?




Bewertungen von Lernenden
24 Bewertungen
- 5 stars
83,33 %
- 4 stars
16,66 %
- 3 stars
0 %
- 2 stars
0 %
- 1 star
0 %
Zeigt 3 von 24 an
Geprüft am 20. Feb. 2025
Very well structured and very informative, much appreciated.
Geprüft am 21. Nov. 2025
A very good Introduction To AI. Thank you Dr. Ian McCulloh and thank you Johns Hopkins!!
Geprüft am 21. Apr. 2025
Information was very good but was definitely not an introduction course. Recommend knowledge in statistics and algorithms prior to this course.
Häufig gestellte Fragen
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugang zu allen Kursmaterialien, einschließlich der benoteten Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.
Ja. Für ausgewählte Lernprogramme können Sie eine finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Anmeldungsgebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.
Weitere Fragen
Finanzielle Unterstützung verfügbar,




