{"course":{"productid":26474,"modality":1,"active":true,"language":"de","title":"Artificial Intelligence and Machine Learning Fundamentals","productcode":"AIMLF","vendorcode":"LG","vendorname":"Logical Operations","fullproductcode":"LG-AIMLF","courseware":{"has_ekit":true,"has_printkit":false,"language":""},"url":"https:\/\/portal.flane.ch\/course\/logicaloperations-aimlf","objective":"<ul>\n<li>die Bedeutung, die Grunds&auml;tze und die Bereiche der KI zu verstehen<\/li><li>Umsetzung grundlegender Konzepte der k&uuml;nstlichen Intelligenz mit Python<\/li><li>Anwendung von Regressions- und Klassifikationskonzepten auf reale Probleme<\/li><li>Durchf&uuml;hrung pr&auml;diktiver Analysen mit Entscheidungsb&auml;umen und Zufallsw&auml;ldern<\/li><li>Clustering mit den Algorithmen k-means und mean shift durchf&uuml;hren<\/li><li>Verstehen Sie die Grundlagen des Deep Learning anhand praktischer Beispiele<\/li><\/ul>","contents":"<h5>1: Grundlagen der k&uuml;nstlichen Intelligenz\n<\/h5><ul>\n<li>Einf&uuml;hrung<\/li><li>Bereiche und Anwendungen der K&uuml;nstlichen Intelligenz<\/li><li>KI-Tools und Lernmodelle<\/li><li>Die Rolle von Python in der k&uuml;nstlichen Intelligenz<\/li><li>Python f&uuml;r Spiele-KI<\/li><li>Zusammenfassung<\/li><\/ul><h5>2: KI mit Suchtechniken und Spielen\n<\/h5><ul>\n<li>Einf&uuml;hrung<\/li><li>Heuristik<\/li><li>Pfadfindung mit dem A*-Algorithmus<\/li><li>Spiel-KI mit dem Minmax-Algorithmus und Alpha-Beta Pruning<\/li><li>Zusammenfassung<\/li><\/ul><h5>3: Regression\n<\/h5><ul>\n<li>Einf&uuml;hrung<\/li><li>Lineare Regression mit einer Variablen<\/li><li>Lineare Regression mit mehreren Variablen<\/li><li>Polynomielle und Support-Vektor-Regression<\/li><li>Zusammenfassung<\/li><\/ul>\n<h5>4: Klassifizierung\n<\/h5><ul>\n<li>Einf&uuml;hrung<\/li><li>Die Grundlagen der Klassifizierung<\/li><li>Klassifizierung mit Support-Vektor-Maschinen<\/li><li>Zusammenfassung<\/li><\/ul><h5>5: Verwendung von B&auml;umen f&uuml;r die pr&auml;diktive Analyse\n<\/h5><ul>\n<li>Einf&uuml;hrung in Entscheidungsb&auml;ume<\/li><li>Random Forest Klassifikator<\/li><li>Zusammenfassung<\/li><\/ul><h5>6: Clustering\n<\/h5><ul>\n<li>Einf&uuml;hrung in das Clustering<\/li><li>Der k-means Algorithmus<\/li><li>Mittelwertverschiebungsalgorithmus<\/li><li>Zusammenfassung<\/li><\/ul><h5>7: Deep Learning mit neuronalen Netzen\n<\/h5><ul>\n<li>Einf&uuml;hrung<\/li><li>TensorFlow f&uuml;r Python<\/li><li>Einf&uuml;hrung in Neuronale Netze<\/li><li>Tiefes Lernen<\/li><li>Zusammenfassung<\/li><\/ul>\n<h5>8: Anhang A\n<\/h5><ul>\n<li>Lektion 1: Grundlagen von AI<\/li><li>Lektion 2: KI mit Suchtechniken und Spielen<\/li><li>Lektion 4: Klassifizierung<\/li><li>Lektion 5: Verwendung von B&auml;umen f&uuml;r die pr&auml;diktive Analyse<\/li><li>Lektion 6: Clustering<\/li><li>Lektion 7: Tiefes Lernen mit neuronalen Netzen<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/logicaloperations-aimlf\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>Maschinelles Lernen und neuronale Netze sind die S&auml;ulen, auf denen Sie intelligente Anwendungen aufbauen k&ouml;nnen. Grundlagen der k&uuml;nstlichen Intelligenz und des maschinellen Lernens beginnt mit einer Einf&uuml;hrung in Python und der Er&ouml;rterung von KI-Suchalgorithmen. Sie werden eingehende mathematische Themen wie Regression und Klassifizierung behandeln, die durch Python-Beispiele veranschaulicht werden.<\/p>\n<p>Auf Ihrem Weg durch das Buch werden Sie fortgeschrittene KI-Techniken und -Konzepte kennenlernen und mit realen Datens&auml;tzen arbeiten, um Entscheidungsb&auml;ume und Cluster zu bilden. Sie werden in neuronale Netze eingef&uuml;hrt, ein leistungsstarkes Werkzeug, das auf dem Mooreschen Gesetz basiert.<\/p>","objective_plain":"- die Bedeutung, die Grunds\u00e4tze und die Bereiche der KI zu verstehen\n- Umsetzung grundlegender Konzepte der k\u00fcnstlichen Intelligenz mit Python\n- Anwendung von Regressions- und Klassifikationskonzepten auf reale Probleme\n- Durchf\u00fchrung pr\u00e4diktiver Analysen mit Entscheidungsb\u00e4umen und Zufallsw\u00e4ldern\n- Clustering mit den Algorithmen k-means und mean shift durchf\u00fchren\n- Verstehen Sie die Grundlagen des Deep Learning anhand praktischer Beispiele","contents_plain":"1: Grundlagen der k\u00fcnstlichen Intelligenz\n\n\n\n- Einf\u00fchrung\n- Bereiche und Anwendungen der K\u00fcnstlichen Intelligenz\n- KI-Tools und Lernmodelle\n- Die Rolle von Python in der k\u00fcnstlichen Intelligenz\n- Python f\u00fcr Spiele-KI\n- Zusammenfassung\n2: KI mit Suchtechniken und Spielen\n\n\n\n- Einf\u00fchrung\n- Heuristik\n- Pfadfindung mit dem A*-Algorithmus\n- Spiel-KI mit dem Minmax-Algorithmus und Alpha-Beta Pruning\n- Zusammenfassung\n3: Regression\n\n\n\n- Einf\u00fchrung\n- Lineare Regression mit einer Variablen\n- Lineare Regression mit mehreren Variablen\n- Polynomielle und Support-Vektor-Regression\n- Zusammenfassung\n\n4: Klassifizierung\n\n\n\n- Einf\u00fchrung\n- Die Grundlagen der Klassifizierung\n- Klassifizierung mit Support-Vektor-Maschinen\n- Zusammenfassung\n5: Verwendung von B\u00e4umen f\u00fcr die pr\u00e4diktive Analyse\n\n\n\n- Einf\u00fchrung in Entscheidungsb\u00e4ume\n- Random Forest Klassifikator\n- Zusammenfassung\n6: Clustering\n\n\n\n- Einf\u00fchrung in das Clustering\n- Der k-means Algorithmus\n- Mittelwertverschiebungsalgorithmus\n- Zusammenfassung\n7: Deep Learning mit neuronalen Netzen\n\n\n\n- Einf\u00fchrung\n- TensorFlow f\u00fcr Python\n- Einf\u00fchrung in Neuronale Netze\n- Tiefes Lernen\n- Zusammenfassung\n\n8: Anhang A\n\n\n\n- Lektion 1: Grundlagen von AI\n- Lektion 2: KI mit Suchtechniken und Spielen\n- Lektion 4: Klassifizierung\n- Lektion 5: Verwendung von B\u00e4umen f\u00fcr die pr\u00e4diktive Analyse\n- Lektion 6: Clustering\n- Lektion 7: Tiefes Lernen mit neuronalen Netzen","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Maschinelles Lernen und neuronale Netze sind die S\u00e4ulen, auf denen Sie intelligente Anwendungen aufbauen k\u00f6nnen. Grundlagen der k\u00fcnstlichen Intelligenz und des maschinellen Lernens beginnt mit einer Einf\u00fchrung in Python und der Er\u00f6rterung von KI-Suchalgorithmen. Sie werden eingehende mathematische Themen wie Regression und Klassifizierung behandeln, die durch Python-Beispiele veranschaulicht werden.\n\nAuf Ihrem Weg durch das Buch werden Sie fortgeschrittene KI-Techniken und -Konzepte kennenlernen und mit realen Datens\u00e4tzen arbeiten, um Entscheidungsb\u00e4ume und Cluster zu bilden. Sie werden in neuronale Netze eingef\u00fchrt, ein leistungsstarkes Werkzeug, das auf dem Mooreschen Gesetz basiert.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":3,"formatted":"3 Tage"},"pricelist":{"List Price":{"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":1990}}},"lastchanged":"2026-03-26T14:09:51+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/26474","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/logicaloperations-aimlf"}}