Ein Programm lernt nicht durch Magie; es verändert sein Verhalten, nachdem es Beispiele gesehen hat – und genau dieses Prinzip steht im Mittelpunkt der modernen KI. Dieser Kurs vermittelt – ohne kompliziertes Fachchinesisch – ein Verständnis für Training, Datenqualität, neuronale Netze, Sprachmodelle und mögliche Fehlerquellen, damit Sie Behauptungen über KI kritischer hinterfragen können. Er richtet sich an Einsteiger, denen es zunächst um Verständnis statt um Mathematik und um Urteilsvermögen statt um das reine Erstellen von Modellen geht.
Der Kurs behandelt das Lernen aus Beispielen, die Trainingsschleife sowie die Art und Weise, wie fehlerhafte Daten zu Bias, Rauschen, unzureichender Abdeckung und Leakage führen. Zudem werden neuronale Netze als mehrschichtige Mustererzeuger, Generalisierung und Overfitting, Sprachmodelle zur Vorhersage des nächsten Tokens sowie häufige Fehlerphänomene – wie Halluzinationen, Instabilität, Verteilungsverschiebungen und Prompt-Sensitivität – thematisiert.