Lehrgangsinhalte
Künstliche Intelligenz und maschinelles Lernen, Anwendungsgebiete der Künstlichen Intelligenz, Algorithmen: Komplexität, Auswahl und Optimierung, Wissensgraphen und Wissensrepräsentation, Modellierung von Unsicherheit, Bayes-Klassifizierer und Nichtlineare Klassifizierer, Überwachtes, unüberwachtes und bestärkendes Lernen, Logistische Regression, Modellgüte, Optimierung, Gradientenabstieg, Lernrate, Minibatchverfahren, Optimierungsfehler, Über- und Unteranpassung, Mehrschichtige Feedforward Netze, Bestärkendes Lernen
