Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.5
11 Bewertungen
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Ein grundlegendes Verständnis von Maschinellem Lernen, Deep Learning, Wahrscheinlichkeit und Vertrautheit mit Python und Neuronalen Netzen wird empfohlen.
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.5
11 Bewertungen
Stufe Mittel
Empfohlene Erfahrung
Empfohlene Erfahrung
Stufe „Mittel“
Ein grundlegendes Verständnis von Maschinellem Lernen, Deep Learning, Wahrscheinlichkeit und Vertrautheit mit Python und Neuronalen Netzen wird empfohlen.
Die Teilnehmer werden praktische Erfahrungen beim Training und Debugging von Deep Learning-Modellen sammeln und dabei die Herausforderungen bei der Bereitstellung und die besten Praktiken berücksichtigen.
Die Studierenden verstehen und bewerten ethische Belange der KI, einschließlich Bias, Fairness und die gesellschaftlichen Auswirkungen der Bereitstellung neuronaler Netzwerke.
Die Lernenden werden erforschen, wie strukturierte probabilistische Modelle mit Deep Learning integriert werden können, um Unsicherheiten zu verringern und die Entscheidungsfindung für Modelle zu verbessern.
Kompetenzen, die Sie erwerben
Kategorie: Methoden des maschinellen Lernens
Methoden des maschinellen Lernens
Kategorie: Künstliche neuronale Netze
Künstliche neuronale Netze
Kategorie: Fehlersuche
Fehlersuche
Kategorie: Bayessche Statistik
Bayessche Statistik
Kategorie: Bayessches Netz
Bayessches Netz
Kategorie: Verantwortungsvolle AI
Verantwortungsvolle AI
Kategorie: Modell Ausbildung
Modell Ausbildung
Kategorie: Künstliche Intelligenz
Künstliche Intelligenz
Kategorie: Tiefes Lernen
Tiefes Lernen
Kategorie: Ethische Standards und Verhaltensweisen
Ethische Standards und Verhaltensweisen
Kategorie: Bewertung des Modells
Bewertung des Modells
Kategorie: Daten-Ethik
Daten-Ethik
Werkzeuge, die Sie lernen werden
Kategorie: Modell-Einsatz
Modell-Einsatz
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
6 Aufgaben
Unterrichtet in Englisch
91%
of learners achieved a positive career outcome
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 4 Module
Der Kurs "Practical Methodologies and Ethics in AI" (Praktische Methoden und Ethik in der KI) vermittelt den Lernenden die grundlegenden Fähigkeiten, die sie benötigen, um Deep-Learning-Modelle zu erstellen, zu bewerten und einzusetzen, und behandelt gleichzeitig kritische ethische Überlegungen in der KI. Anhand von praktischen Projekten und Fallstudien lernen Sie die praktischen Methoden kennen, mit denen Sie Modelle effektiv trainieren, Probleme beheben und strukturierte probabilistische Ansätze zum Umgang mit Unsicherheiten anwenden können. Ein wichtiger Schwerpunkt des Kurses ist die Ethik, die es Ihnen ermöglicht, Voreingenommenheit, Fairness und gesellschaftliche Implikationen während des gesamten KI-Lebenszyklus zu erkennen und zu berücksichtigen. Durch die Integration strukturierter probabilistischer Modelle mit Deep Learning werden Sie in die Lage versetzt, robuste, interpretierbare KI-Systeme zu entwickeln, die reale Herausforderungen bewältigen. Was diesen Kurs von anderen abhebt, ist sein ausgewogener Fokus auf technische Beherrschung und verantwortungsvolle KI-Praktiken. Sie werden lernen, mit unvollständigen Daten umzugehen, Präsentationen von Kollegen zu analysieren und die breiteren gesellschaftlichen Auswirkungen von KI kritisch zu bewerten. Egal, ob Sie Datenwissenschaftler oder KI-Enthusiast sind, dieser Kurs bietet eine umfassende Grundlage für die Entwicklung wirkungsvoller und ethischer KI-Lösungen.
"Praktische Methodik und Ethik in der KI" konzentriert sich auf die Vermittlung grundlegender Fähigkeiten bei der Datensatzexploration, dem Training von Deep Learning Modellen und deren Bereitstellung, wobei der Schwerpunkt auf der Ethik im Lebenszyklus der KI liegt. Der Kurs behandelt die Identifizierung und Behandlung von Bias- und Fairnessproblemen sowie die Integration probabilistischer Modelle mit Deep Learning, um Unsicherheiten zu bewältigen. Dieser Kurs bietet eine solide Grundlage sowohl für technische als auch für ethische Aspekte einer verantwortungsvollen KI-Entwicklung.
Das ist alles enthalten
2 Lektüren
Infos zu Modulinhalt anzeigen
2 Lektüren•Insgesamt 10 Minuten
Überblick über den Kurs•5 Minuten
Biographie des Lehrers: Prof. Zerotti Woods•5 Minuten
Praktische Methodik
Modul 2•2 Stunden abzuschließen
Moduldetails
In diesem Modul werden praktische Methoden für das Training von Deep-Learning-Modellen besprochen. Die Studierenden erforschen Fallstudien und verschiedene Situationen, um früheres und neues Wissen im Prozess des Trainings und der Bereitstellung von Deep Learning Modellen anzuwenden.
Das ist alles enthalten
1 Video1 Lektüre2 Aufgaben
Infos zu Modulinhalt anzeigen
1 Video•Insgesamt 8 Minuten
Praktische Methodik•8 Minuten
1 Lektüre•Insgesamt 45 Minuten
Referenzen lesen•45 Minuten
2 Aufgaben•Insgesamt 75 Minuten
Praktische Methodik•15 Minuten
Praktische Methodik•60 Minuten
Ethische Erwägungen
Modul 3•2 Stunden abzuschließen
Moduldetails
In diesem Modul werden ethische Überlegungen zu Deep Learning Modellen diskutiert. Sie werden die Nuancen der Ethik und die Verwendung des Maschinellen Lernens zur Entscheidungsfindung untersuchen.
Das ist alles enthalten
1 Video1 Lektüre2 Aufgaben
Infos zu Modulinhalt anzeigen
1 Video•Insgesamt 22 Minuten
Ethik in der KI•22 Minuten
1 Lektüre•Insgesamt 10 Minuten
Referenzen lesen•10 Minuten
2 Aufgaben•Insgesamt 75 Minuten
Ethik in der KI•15 Minuten
Ethische Erwägungen•60 Minuten
Strukturierte probabilistische Modelle
Modul 4•3 Stunden abzuschließen
Moduldetails
Diese Lektion befasst sich mit der Überschneidung von strukturierten probabilistischen Modellen und tiefen neuronalen Netzen und zeigt auf, wie probabilistische Modelle mit Deep Learning integriert werden können, um Unsicherheit zu modellieren, aus unvollständigen Daten zu lernen und interpretierbare KI-Systeme bereitzustellen.
Das ist alles enthalten
1 Video1 Lektüre2 Aufgaben
Infos zu Modulinhalt anzeigen
1 Video•Insgesamt 27 Minuten
Strukturierte probabilistische Modellierung für Deep Learning•27 Minuten
1 Lektüre•Insgesamt 70 Minuten
Referenzen lesen•70 Minuten
2 Aufgaben•Insgesamt 75 Minuten
Strukturelle probabilistische Modelle•15 Minuten
Strukturierte probabilistische Modelle•60 Minuten
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Die Aufgabe der Johns Hopkins University ist es, ihre Studenten auszubilden und ihre Fähigkeit zum lebenslangen Lernen zu fördern, unabhängige und originelle Forschung zu betreiben und der Welt den Nutzen von Entdeckungen zu bringen.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
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.
Was bekomme ich, wenn ich mich für diese Specialization einschreibe?
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr 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.