Dieser Kurs findet vom 19.08.-26.08.2021 digital statt.
Zurück zur Kursübersicht

DK-12 Lernende Maschinen
Theorie und Anwendung von Künstlicher Intelligenz

Kursbeschreibung

Eine Maschine kann aus Fehlern lernen, die sie nie begangen hat. Sie kann Erfahrungen innerhalb von Sekundenbruchteilen simulieren und aus ihnen Schlüsse ziehen – der Mensch benötigt hierfür Jahrzehnte. Maschinelles Lernen oder auch Künstliche Intelligenz findet sich mittlerweile in allen Aspekten unseres Lebens und reicht von ausgereiften Methoden wie automatisierten Übersetzungen zu Anwendungen wie selbstfahrenden Autos. Das Anwendungspotential ist enorm und jeder versucht ein Stück von der Torte abzubekommen.

Ein Großteil dieses Erfolgs ist verbunden mit  sogenannten Neuronalen Netzen, die zu signifikanten Fortschritten der Analyse von Bildern und Texten geführt haben und auch die Grundlage für die Durchbrüche in Spielen wie Atari, Go und StarCraft bilden.

Diese Neuronalen Netze bestehen aus einfachen mathematischen Bausteinen, die wie Legoblöcke kombiniert werden, und können mit wenig Programmierkenntnissen mithilfe von speziellen Bibliotheken gebaut werden. Der erste Kursteil beschäftigt sich mit den notwendigen mathematischen und Programmiergrundlagen für diese Bibliotheken und beantwortet die Frage, wie diese spezielle Art von „Maschinen lernen“. Programmiervorkenntnisse sind hilfreich, aber keine Voraussetzung.

Der zweite Teil des Kurses betrachtet, wie diese Bausteine zu größeren Systemen zusammenpassen und ist unterteilt in Einblicke in aktuelle Anwendungen und Gruppenarbeiten, in denen die Teilnehmenden eigene KI-Projekt verwirklichen. Hier werden Anwendungen in Bereichen wie medizinischer Bildauswertung und Klimawandel betrachtet. Die Projektarbeit ist flexibel gestaltet, um auf individuelle Ideen einzugehen, die in einer Präsentation vor den anderen Teilnehmenden münden.

Visuelle Darstellung eines künstlichen neuronalen Netzes.

(Bildquelle: [externer Link] playground.tensorflow.org, Copyright Daniel Smilkov und Shan Carter)

Die Kursleitenden

David Dao (Jg. 1991) promoviert an der ETH Zürich und leitet eine Forschungsgruppe die untersucht, wie Künstliche Intelligenz helfen kann, dem Klimawandel zu begegnen. Für seine Forschung ist er oft in den Regenwäldern Südamerikas unterwegs. Davor hat David an autonomen Autos im Silicon Valley gebaut und an maschinellem Lernen in Stanford, Berkeley und MIT geforscht. Wenn er nicht forscht, findet man David entweder an einem Surfspot in der Natur oder beim Tauchen in den Weltmeeren.

Nick Pawlowski (Jg. 1992) studierte erst Physik in Berlin und Leeds, bevor er sich umorientierte und der Künstlichen Intelligenz widmete. Nach einem Masterstudium in Edinburgh promoviert Nick aktuell am Imperial College London zur Anwendung von maschinellem Lernen auf medizinische Bilder. Durch Praktika konnte Nick die Anwendung und Forschung von KI bei Google und Facebook näher kennenlernen. In seiner Freizeit hofft Nick bald wieder an einer Kletterwand zu hängen und reisen zu können.