Artificial Intelligence and Machine Learning FundamentalsAIMLFLGLogical OperationsLG-AIMLF1.0<ul>
<li>die Bedeutung, die Grundsätze und die Bereiche der KI zu verstehen</li><li>Umsetzung grundlegender Konzepte der künstlichen Intelligenz mit Python</li><li>Anwendung von Regressions- und Klassifikationskonzepten auf reale Probleme</li><li>Durchführung prädiktiver Analysen mit Entscheidungsbäumen und Zufallswäldern</li><li>Clustering mit den Algorithmen k-means und mean shift durchführen</li><li>Verstehen Sie die Grundlagen des Deep Learning anhand praktischer Beispiele</li></ul><h5>1: Grundlagen der künstlichen Intelligenz
</h5><ul>
<li>Einführung</li><li>Bereiche und Anwendungen der Künstlichen Intelligenz</li><li>KI-Tools und Lernmodelle</li><li>Die Rolle von Python in der künstlichen Intelligenz</li><li>Python für Spiele-KI</li><li>Zusammenfassung</li></ul><h5>2: KI mit Suchtechniken und Spielen
</h5><ul>
<li>Einführung</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
</h5><ul>
<li>Einführung</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>
<h5>4: Klassifizierung
</h5><ul>
<li>Einführung</li><li>Die Grundlagen der Klassifizierung</li><li>Klassifizierung mit Support-Vektor-Maschinen</li><li>Zusammenfassung</li></ul><h5>5: Verwendung von Bäumen für die prädiktive Analyse
</h5><ul>
<li>Einführung in Entscheidungsbäume</li><li>Random Forest Klassifikator</li><li>Zusammenfassung</li></ul><h5>6: Clustering
</h5><ul>
<li>Einführung in das Clustering</li><li>Der k-means Algorithmus</li><li>Mittelwertverschiebungsalgorithmus</li><li>Zusammenfassung</li></ul><h5>7: Deep Learning mit neuronalen Netzen
</h5><ul>
<li>Einführung</li><li>TensorFlow für Python</li><li>Einführung in Neuronale Netze</li><li>Tiefes Lernen</li><li>Zusammenfassung</li></ul>
<h5>8: Anhang A
</h5><ul>
<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 Bäumen für die prädiktive Analyse</li><li>Lektion 6: Clustering</li><li>Lektion 7: Tiefes Lernen mit neuronalen Netzen</li></ul><p><em>Dieser Text wurde automatisiert übersetzt. 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>- die Bedeutung, die Grundsätze und die Bereiche der KI zu verstehen
- Umsetzung grundlegender Konzepte der künstlichen Intelligenz mit Python
- Anwendung von Regressions- und Klassifikationskonzepten auf reale Probleme
- Durchführung prädiktiver Analysen mit Entscheidungsbäumen und Zufallswäldern
- Clustering mit den Algorithmen k-means und mean shift durchführen
- Verstehen Sie die Grundlagen des Deep Learning anhand praktischer Beispiele1: Grundlagen der künstlichen Intelligenz
- Einführung
- Bereiche und Anwendungen der Künstlichen Intelligenz
- KI-Tools und Lernmodelle
- Die Rolle von Python in der künstlichen Intelligenz
- Python für Spiele-KI
- Zusammenfassung
2: KI mit Suchtechniken und Spielen
- Einführung
- Heuristik
- Pfadfindung mit dem A*-Algorithmus
- Spiel-KI mit dem Minmax-Algorithmus und Alpha-Beta Pruning
- Zusammenfassung
3: Regression
- Einführung
- Lineare Regression mit einer Variablen
- Lineare Regression mit mehreren Variablen
- Polynomielle und Support-Vektor-Regression
- Zusammenfassung
4: Klassifizierung
- Einführung
- Die Grundlagen der Klassifizierung
- Klassifizierung mit Support-Vektor-Maschinen
- Zusammenfassung
5: Verwendung von Bäumen für die prädiktive Analyse
- Einführung in Entscheidungsbäume
- Random Forest Klassifikator
- Zusammenfassung
6: Clustering
- Einführung in das Clustering
- Der k-means Algorithmus
- Mittelwertverschiebungsalgorithmus
- Zusammenfassung
7: Deep Learning mit neuronalen Netzen
- Einführung
- TensorFlow für Python
- Einführung in Neuronale Netze
- Tiefes Lernen
- Zusammenfassung
8: Anhang A
- Lektion 1: Grundlagen von AI
- Lektion 2: KI mit Suchtechniken und Spielen
- Lektion 4: Klassifizierung
- Lektion 5: Verwendung von Bäumen für die prädiktive Analyse
- Lektion 6: Clustering
- Lektion 7: Tiefes Lernen mit neuronalen NetzenDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.3 Tage1990.00