Neuronale Netze sind spätestens seit dem großen Auftritt ChatGPT und Co., also seit dem Auftreten von großen Sprachmodellen (Large Language Models) in aller Munde. Aber wie funktionieren diese Netzwerke? Diese Vorlesung bietet eine erste Einführung in dieses Thema. Die Geschichte der Entwicklung künstlicher neuronaler Netze als Voraussetzung für das, was wir heute künstliche Intelligenz (KI) nennen, wird kurz vorgestellt. Dabei werden zentrale Elemente solcher Netzwerke vorgestellt, wir sprechen über Netzwerkstrukturen und greifen die Frage auf, wie in Neuronen in Netzwerken „Entscheidungen treffen“, und wie diese zu einem Gesamtoutput eines Netzwerkes aggregiert werden. Die Sitzung bietet Grundlagen für das Verständnis der in den folgenden Sitzungen erfolgenden tieferen Einblicke in die Funktionsweise von künstlichen neuronalen Netzwerken etwa zu Spracherkennung und Sprachgenerierung, sowie zur Bilderkennung und -generierung.
---
Die Vorlesung führt in informationstechnische und statistische Grundlagen der Data Science ein. Sie ist Teil eines zweisemestrigen Zyklus zu "Datenwelten". Im Sommersemester folgt eine zweite Vorlesung, die sich Datenethik, Datenrecht und erkenntnistheoretischen Reflektionen auf eine "verdatete" Welt befassen wird.
Beide Vorlesungen werden von interdisziplinär zusammengesetzten Teams von Lehrenden gehalten, um unterschiedliche Perspektiven auf Data Science, unterschiedliche Fragestellungen und Problemsichten einzubringen und aufeinander zu beziehen.
Studierende entwickeln dabei ein Grundverständnis folgender Inhalte:
* Funktionsweise der informationstechnischen Systeme, die in weiten Teilen unseren Alltag (mit-)gestalten
* Das technische und soziale Zusammenspiel dieser Systeme bei der Erhebung, Aufbewahrung und Nutzung von Daten
* Einfache statistische Verfahren zur Datenanalyse
* Verfahren aus dem Bereich des maschinellen Lernens (Classification, Regression, Clustering)
* Elementare Einführung in Neuronale Netze und ihre Anwendungen in der Bild- und Sprachverarbeitung
This video may be embedded in other websites. You must copy the embeding code and paste it in the desired location in the HTML text of a Web page. Please always include the source and point it to lecture2go!
