Der Newsletter der kiselbsthilfegruppe.de heißt jetzt rundbrief.ai
Kuratierte, kostenlose Kurse und Kanäle von Stanford, MIT, DeepMind, fast.ai und anderen – von Einsteiger bis Experte, alle frei auf YouTube. Die Ergänzung zu unserem KI-Tool-Verzeichnis.
Lern-Ressourcen
20 KurseYaser Abu-Mostafa erklärt die mathematische Theorie dahinter, warum maschinelles Lernen überhaupt funktioniert – inklusive VC-Dimension, Bias-Varianz-Tradeoff und Regularisierung.
Auf YouTube ansehenAndrew Ngs klassischer Stanford-Kurs zu den Algorithmen und der Mathematik hinter überwachtem, unüberwachtem und bestärkendem Lernen.
Auf YouTube ansehenJosh Starmer bricht Entscheidungsbäume, Random Forests, Gradient Boosting, PCA und Statistik-Grundlagen mit einfachen Zeichnungen und klarer Sprache herunter.
Auf YouTube ansehenVon einfachen mehrschichtigen Perzeptronen bis zu Attention-Mechanismen, GANs, Variational Autoencodern und selbstüberwachtem Lernen.
Auf YouTube ansehenSchneller Durchlauf durch neuronale Netze, CNNs, RNNs, generative Modelle und große Sprachmodelle.
Auf YouTube ansehenAndrej Karpathy baut mit dir neuronale Netze, Backpropagation und schließlich ein GPT-artiges Sprachmodell komplett von Grund auf in Python.
Auf YouTube ansehenTuring-Preisträger Yann LeCun teilt seine Sicht auf energiebasierte Modelle, selbstüberwachtes Lernen, World Models und die Zukunft der KI.
Auf YouTube ansehenJeremy Howard (fast.ai) lässt dich ab der ersten Lektion echte Modelle bauen – Bildklassifizierer, NLP-Pipelines und Tabellenmodelle.
Auf YouTube ansehenAndrew Ng behandelt CNNs, rekurrente Architekturen, Optimierungsmethoden wie Adam und BatchNorm sowie GANs.
Auf YouTube ansehenChelsea Finn unterrichtet Multi-Task-Learning, Transfer Learning, Meta-Learning-Algorithmen wie MAML und Few-Shot-Learning.
Auf YouTube ansehenPraktischer Einstieg in die Transformers-Bibliothek: Tokenisierung, Fine-Tuning vortrainierter Modelle, Textklassifizierung und Named Entity Recognition.
Auf YouTube ansehenTiefgehend zu Word-Vektoren, Transformer-Architekturen, Attention, Pretraining-Strategien sowie Modellen wie BERT und GPT.
Auf YouTube ansehenForschende von OpenAI, Google Brain, DeepMind und Anthropic präsentieren aktuelle Arbeiten zu Transformer-Architekturen, Scaling Laws und multimodaler KI.
Auf YouTube ansehenBildklassifizierung, Objekterkennung, semantische Segmentierung und generative Modelle, inklusive Visualisierung dessen, was CNNs lernen.
Auf YouTube ansehenHado van Hasselt (DeepMind) unterrichtet Multi-Armed Bandits, Markov-Entscheidungsprozesse, Policy-Gradient-Methoden und Deep RL an der UCL.
Auf YouTube ansehenEmma Brunskill behandelt Markov-Entscheidungsprozesse, Policy Evaluation, Q-Learning, Deep RL, Explorationsstrategien und Imitation Learning.
Auf YouTube ansehenGrant Sanderson erklärt mit seinen typischen Animationen anschaulich Gradientenabstieg, Backpropagation und wie neuronale Netze tatsächlich lernen.
Auf YouTube ansehenKároly Zsolnai-Fehér fasst aktuelle KI-Forschungspaper in kurzen, visuellen Clips von wenigen Minuten zusammen.
Auf YouTube ansehenAndrew Ng zeigt, wie man ML-Modelle aus dem Jupyter-Notebook in die Produktion bringt – mit ML-Pipelines, Datenmanagement und Modell-Monitoring.
Auf YouTube ansehenMIT lehrt das Paradigma, KI durch das Verbessern der Daten statt durch Modell-Tuning besser zu machen – inklusive Datenqualität und Labeling-Strategien.
Auf YouTube ansehenKeine passenden Kurse gefunden.
Rundbrief
Gute Tools. Direkt ins Postfach.
Neue Werkzeuge und die wichtigsten KI-Entwicklungen. Kostenlos mit dem Rundbrief.
