Udemy
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
Subscribe
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
Neuronale Netze verstehen! Eine Reise durch die Mathematik
Rating: 4.5 out of 5(6 ratings)
20 students

Neuronale Netze verstehen! Eine Reise durch die Mathematik

Kleine Ideen großer Mathematiker erklären wie Neuronale Netze das Fundament von KI-Anwendungen bilden.
Created byMario Müller
Last updated 5/2025
German

What you'll learn

  • Überall Neuronale Netze! Wozu braucht man Neuronale Netze?
  • Welchen einfachen mathematischen Grundlagen sollte man verstanden haben?
  • Wie funktioniert die Vorwärtskalkulation?
  • Wie berechnet man den Fehler?
  • Wie funktioniert Backpropagation?

Explore related topics

Course content

4 sections • 41 lectures • 2h 12m total length

  • Einführung: Warum "Neuronale Netze" anhand einer Zeitreise durch die Mathematik?6:42

    Neuronale Netze bilden in der Regel die Grundlage für das maschinelle Lernen. Durch das Training eines Neuronalen Netzes erhalten wir ein sogenanntes Model. Dieses bildet dann die Grundlage für eine KI-Anwendung (z.B. Erkennen von Bildern, Wettervorhersage, Umsatzwachstum)

    Im Kurs wird ein komplett neuer Ansatz gewählt, um die Welt des maschinellen Lernens zu verstehen. Dies geschieht anhand einer Zeitreise durch die Mathematik. Wir werden kleine Puzzleteile bedeutender Mathematiker verstehen lernen. Diese Puzzleteile bilden die Grundlage für das Verständnis neuronaler Netze.

  • Warum benötigen wir "Neuronale Netze"?0:53

    Anwendungen aus dem Bereich der generativen KI (z.B. Text-/Bild-/Video-/Musik-Generatoren) benötigen ein trainiertes Modell. Ein trainiertes Modell können wir anhand eines Neuronalen Netzes erstellen.

  • Der Weg zu einer KI-Anwendung: Von der Datenerhebung zur Anwendung chronologisch3:56

    Chronologischer Ablauf: Wie entseht eine KI-Anwendung

  • KI Teilbereiche (Un)überwachtes und Refinforcement Learning6:05

    Womit werden wir uns beschäftigen?

    Mit Neuronale Netzen aus dem Bereich des "überwachten Lernens"

  • Neuronale Netze- Anwendungsbereiche (Klassifizierung versus Regression)2:17

    Nochmal Beispiele zur Veranschaulichung:

    • Klassifikation

    • Regression

  • Regressionsanalysen1:30

    Es gibt verschiedene Arten der Regression.

    Hier ein Überblick zur Vollständigkeit

Requirements

  • Das kleine Einmaleins und ein klein wenig mathematisches Verständnis
  • Keine Programmierkenntnisse notwendig

Description

Ein komplett anderer didaktischer Ansatz!


Wie entsteht eine KI-Anwendung (z.B. ChatGPT, Sprachverarbeitung, Erkennen von Bildern, Wettervorhersage, Umsatzwachstum)?


      Richtig: Durch maschinelles Lernen?


Wie aber lernt eine Maschine?


  1. Daten sammeln und bereinigen (z.B. Texte, Messdaten, Bilder, demographische Daten)

  2. Diese Daten anhand eines Neuronalen Netzes verarbeiten

  3. Es wird ein Model "trainiert"

  4. Auf Basis des Models kann dann eine KI-Anwendung erstellt werden


Im Kurs wird ein komplett neuer Ansatz gewählt, um die Welt des maschinellen Lernens zu verstehen.

Wir konzentrieren uns im Kurs auf die komplexen Teile (2) und (3). Dieses Wissen weiterzugeben ist eine echte Herausforderung, da es am schwersten zu lernen und zu verstehen ist. Aber keine Sorge.

Hierzu machen wir eine Zeitreise durch die Mathematik: Vom Kleinen zum Großen

Wir werden kleine Puzzleteile bedeutender Mathematiker verstehen lernen:


  • Steigung einer Geraden

  • Steigung einer Kurve

  • Ableitung

  • Methode der kleinsten Quadrate

  • etc.

Zu den einzelnen Mathematikern wie Pierre de Fermat, Isaac Newton, Friedrich Leibniz  etc. habe ich kleine, unterhaltsame Anekdoten eingebaut. Dies hilft, besser das Gelernte abzuspeichern und einzuordnen.

Diese Puzzleteile der Mathematiker werden dann zusammengesetzt und bilden die Grundlage für das Verständnis neuronaler Netze.

Wer KI verstehen will, ohne sich auf bloße Schlagworte zu verlassen, findet hier einen Einstieg, der wirklich Substanz hat.

Definitiv keine Folien-Schlacht, sondern ein Vortrag mit echtem Erkenntnisgewinn.

Who this course is for:

  • Alle, welche die Grundlagen von KI interessiert
  • Neugierige, die wissen wollen, wie KI-Anwendungen im Inneren funktionieren

Report abuse