Die Anforderungen an das Verständnis von Machine Learning als Kerntechnologie der Künstlichen Intelligenz sind in vielen Berufsfeldern gestiegen, auch jenseits rein technischer Rollen. Machine Learning bildet die methodische Grundlage für KI-Anwendungen von Vorhersagemodellen bis zu Empfehlungssystemen. Dieser Kurs vermittelt ein strukturiertes Verständnis des maschinellen Lernens und seiner praktischen Anwendungsfelder.

Kursinhalt
1. Grundprinzipien des maschinellen Lernens
  • Lernen aus Daten statt aus expliziter Programmierung
  • Supervised, Unsupervised und Reinforcement Learning
  • Typische Datenstrukturen und Modelltypen

2. Anwendungsfelder von Machine Learning
  • Vorhersage, Klassifikation, Clustering und Generierung
  • Branchenspezifische ML-Anwendungsbeispiele
  • Abgrenzung von ML-Einsatz zu regelbasierten Systemen

3. Erfolgsfaktoren und Voraussetzungen
  • Datenanforderungen für ML-Projekte
  • Qualitätssicherung und Validierung von ML-Ergebnissen
  • Organisatorische Voraussetzungen für ML-Implementierungen

4. Chancen und Risiken im ML-Einsatz
  • Leistungsgrenzen und Fehleranfälligkeit von ML-Modellen
  • Interpretierbarkeit und Erklärbarkeit als Anforderung
  • Ethische Überlegungen beim Einsatz von ML-Systemen

Berufliche Relevanz
  • Fachkräfte verschiedener Bereiche entwickeln ein fundiertes Verständnis von Machine Learning
  • Anwendungsorientierter Überblick ermöglicht kritische Bewertung von KI-Lösungen
  • Verständnis von Erfolgsfaktoren verbessert die Zusammenarbeit mit technischen Teams