Complete Artificial Intelligence for Beginners — ML, Neural Nets, NLP, Deep Learning

Künstliche Intelligenz ist eines der wichtigsten Tech-Themen unserer Zeit — und gleichzeitig schwer zugänglich, weil die meisten Kurse entweder zu theoretisch (universitäre Mathe-Vorlesungen) oder zu oberflächlich (Marketing-Hype) sind. Dieser Kurs nimmt den praktischen Mittelweg: Konzepte verständlich erklärt, mit Python-Code zum Mitmachen. Block KI-Grundlagen: Was ist KI (Symbolische KI vs. Machine Learning vs. Deep Learning), historische Entwicklung (Turing-Test, AI Winter, Deep-Learning-Revolution 2012), aktuelle Anwendungsgebiete (Computer Vision, NLP, Recommendation, Robotik, autonomes Fahren), Hype vs. Realität (was kann KI, was nicht). Block Machine Learning Grundlagen: Supervised vs. Unsupervised vs. Reinforcement Learning, Training/Validation/Test-Split, Overfitting/Underfitting, Bias/Variance, Cross-Validation. Algorithmen praktisch: Lineare und Logistische Regression, Decision Trees, Random Forest, K-Nearest Neighbors, K-Means Clustering — alle mit scikit-learn implementiert. Block Neuronale Netze von Grund auf: Perzeptron als einfachstes Neuron, Mehrschicht-Perzeptron (MLP), Activation Functions (Sigmoid, ReLU, Softmax), Forward-Propagation, Backpropagation konzeptionell, Gradient Descent, Lernrate. Block Deep Learning mit TensorFlow/Keras: Sequential API, Dense Layers, Compile (Loss, Optimizer, Metriken), Fit, Evaluate, Predict. Convolutional Neural Networks (CNN) für Bilderkennung (MNIST-Ziffern erkennen, später eigene Bilder klassifizieren). Recurrent Neural Networks (RNN, LSTM) für Sequenzen (Texte, Zeitreihen). Block Natural Language Processing: Tokenization, Stemming, Lemmatization, Bag-of-Words, TF-IDF, Word Embeddings (Word2Vec, GloVe) konzeptionell, Sentiment-Analyse, Text-Klassifikation. Block Praxis-Projekte: Sie bauen 3-5 kleine KI-Projekte: Bilderkennung (z. B. Katzen vs. Hunde), Sentiment-Analyse von Tweets, Spam-Filter, Recommender für Filme. Block Ethische Überlegungen: Bias in Trainingsdaten, Erklärbarkeit (XAI), Datenschutz bei KI, KI-Akt EU, verantwortungsvolle KI-Entwicklung.