Johns Hopkins University
Einführung in AI: Schlüsselkonzepte und Anwendungen

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

Johns Hopkins University

Einführung in AI: Schlüsselkonzepte und Anwendungen

Ian McCulloh

Dozent: Ian McCulloh

3.410 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(24 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

2 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(24 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

2 Wochen zu vervollständigen
unter 10 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

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

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

15 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

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

Lehrkraftbewertungen
4.8 (9 Bewertungen)
Ian McCulloh
Johns Hopkins University
17 Kurse20.455 Lernende

von

Mehr von Datenmanagement entdecken

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.8

24 Bewertungen

  • 5 stars

    83,33 %

  • 4 stars

    16,66 %

  • 3 stars

    0 %

  • 2 stars

    0 %

  • 1 star

    0 %

Zeigt 3 von 24 an

AP
5

Geprüft am 20. Feb. 2025

MS
5

Geprüft am 21. Nov. 2025

RS
4

Geprüft am 21. Apr. 2025

Häufig gestellte Fragen