Ein Baum in der White-Box

Teste deine Fähigkeiten zur Interpretation von KI-Modellen! Nicht alle Modelle sind für Menschen leicht interpretierbar, aber White-Box-Modelle wie Entscheidungsbäume zur Klassifizierung sind gute Beispiele Modelle, die eine bemerkenswerte Interpretierbarkeit bieten.

Schau dir die visuelle Darstellung eines sehr einfachen Entscheidungsbaummodells an, das entwickelt wurde, um bei Pinguinbeobachtungen in drei verschiedene Arten zu klassifizieren. Die Vorhersagen basieren auf verschiedenen Prädiktoren, die jeder Pinguinart zugewiesen sind.

Ein White-Box-Entscheidungsbaummodell zur Klassifizierung von Pinguinarten

Nur eine der vier unten stehenden Pinguinbeobachtungen würde als Adeliepinguin klassifiziert werden, wenn sie an dieses Entscheidungsbaummodell weitergegeben wird. Kannst du sie finden?

Diese Übung ist Teil des Kurses

Künstliche Intelligenz verstehen

Kurs anzeigen

Interaktive Übung

In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.

Übung starten

Diese Übung ist Teil des Kurses

Künstliche Intelligenz verstehen

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

10457 reviews

Kurs kostenlos starten

Beginne mit deiner Reise in die Welt der KI! Künstliche Intelligenz hat sich schnell von einer rein wissenschaftlichen Disziplin zu einem übergreifenden Fachbereich entwickelt, dessen Anwendungen und Einsatzmöglichkeiten mittlerweile breit gefächert sind – sei es in der Wirtschaft, in der Industrie oder einfach als Teil unseres täglichen Lebens. Du lernst, was KI ist, was für Probleme mit KI gelöst werden können und wo ihre derzeitigen Grenzen liegen. Außerdem wirst du ein breites Verständnis für die Teilbereiche von KI und die damit verbundenen Disziplinen erlangen.

Exercise 1: Was ist künstliche Intelligenz?Exercise 2: Die große Frage Exercise 3: Schwach oder stark?Exercise 4: Was kann KI?Exercise 5: KI bei der Arbeit Exercise 6: KI in Aktion Exercise 7: KI-Bereiche und verwandte Disziplinen Exercise 8: Wie lernt KI?Exercise 9: Zuhören und lernen

Was sind die Kernfunktionen von KI-Systemen und welche Möglichkeiten bietet jeder ihrer Bereiche? Woher stammen die Daten, die KI-Systeme antreiben? Wie nutzen Techniken wie das maschinelle Lernen Daten, um verschiedenste Probleme zu lösen? Dieses Kapitel gibt Antworten auf diese und weitere Fragen und zeigt, wie verschiedene Formen der KI-Daten erfassen, aus Daten lernen und mit ihrer Umgebung interagieren können – sei es physisch oder im Digitalen.

Exercise 1: Entmystifizierung von Algorithmen und KI-Systemen Exercise 2: Innerhalb eines KI-Systems für Pizzen Exercise 3: Die Bestandteile eines KI-Systems für Hotelbuchungen Exercise 4: Erfassen von Daten Exercise 5: Die Symbiose von KI und dem Internet der Dinge Exercise 6: Strukturiert oder unstrukturiert?Exercise 7: Aus Daten lernen Exercise 8: Training und Klassifizierung mit Pinguinen Exercise 9: Der unbeaufsichtigte Eindringling Exercise 10: Tiefes Lernen wird uns noch länger begleiten Exercise 11: Interaktion mit der „Umwelt“Exercise 12: Aus Kundenrezensionen lernen Exercise 13: Verwechseln von Robotik, visuellem Wahrnehmen und natürlicher Sprache Exercise 14: Das kann KI. Wahr oder falsch?

Mach dich bereit, die spannende Welt der KI in Unternehmen zu entdecken! In diesem Kapitel werden die grundlegenden Konzepte, Richtlinien und guten Praktiken vorgestellt, mit denen du ein KI-gesteuertes Unternehmen aufbauen oder werden kannst. Egal ob es darum geht, deine Produkte, Dienstleistungen und Projekte mit Intelligenz auszustatten oder die betrieblichen Abläufe in deinem Unternehmen zu revolutionieren – am Ende dieses Kapitels wirst du die wesentlichen Elemente verstehen, um diese Technologie zu nutzen: von der Kultur über die Daten und die Infrastruktur bis hin zum Aufbau von Teams aus talentierten KI-Profis. Du erfährst auch etwas über Herausforderungen, die dich eventuell erwarten, und über Erfolgsbeispiele von großen Unternehmen, die gelernt haben, KI zu einem zentralen Aspekt ihrer Marke zu machen.

Exercise 1: Aufbau einer KI-Kultur Exercise 2: Vier Zutaten für KI-gesteuerte Organisationen Exercise 3: Home, secured home Exercise 4: Datenstrategie, Ressourcen und Menschen Exercise 5: Infrastruktur-Dilemmata Exercise 6: Das „Zen“ von MLOps Exercise 7: Teambildung!Exercise 8: Ist das von dir eingesetzte KI-System erfolgreich?Exercise 9: Leistungsgeschichten Exercise 10: Ein akademischer Proof-of-Concept (PoC)Exercise 11: Herausforderungen und Erfolgsgeschichten Exercise 12: Wege zur Förderung einer KI-Kultur Exercise 13: Paola und das Modeprojekt

Am Ende unserer aufregenden KI-Reise sehen wir uns die tiefgreifende Verbindung zwischen KI und ihren Auswirkungen auf die Menschheit und die Gesellschaft an. Darunter befinden sich Themen wie KI-Demokratisierung und verantwortungsvolle KI, die Ethik, Interpretierbarkeit, Fairness und Sicherheit umfassen – alles entscheidende Aspekte für die Entwicklung von KI-Systemen, die sich positiv auf unser Leben auswirken. Zum Schluss werfen wir einen Blick in die Zukunft und skizzieren die spannenden Perspektiven und Herausforderungen, die KI für die Gestaltung einer nachhaltigen Zukunft bietet.

Exercise 1: Künstliche Intelligenz demokratisieren Exercise 2: Bewährte Verfahren zur Demokratisierung von KI Exercise 3: Offene Türen für „Open Data“Exercise 4: Erklärbarkeit und Interpretierbarkeit Exercise 5: Ein Baum in der White-Box

Aktuelle Übung

Exercise 6: Erläuterung der Hochschulzulassungen Exercise 7: Unboxing SHAP Exercise 8: Soziale Herausforderungen: Ethik, Fairness und Datenschutz Exercise 9: Datenaustausch für KI-Fortschritt Exercise 10: Voreingenommenes oder unvoreingenommenes Verhalten?Exercise 11: Das voreingenommene Fahrzeug Exercise 12: Soziale Herausforderungen: die Zukunft der KI Exercise 13: Die tausend Gesichter der nachhaltigen KI Exercise 14: Paola und die menschliche Seite der KI Exercise 15: Eine Reise endet, eine andere beginnt