Dieser Kurs ist auf etwa zwei Stunden ausgelegt und umfasst eine Vielzahl von Lernmaterialien und Aktivitäten. Während des gesamten Kurses werden die Teilnehmer verschiedene Lernressourcen nutzen, darunter Videoinhalte zur Generativen KI und zur Betrugserkennung, Lesematerialien zur Vertiefung des Verständnisses, benotete Quizfragen zur Bewertung des Verständnisses und zum Nachdenken anregende Diskussionsprompts zur Förderung des gemeinschaftlichen Lernens und des kritischen Denkens.

In diesem Kurs verwenden wir Python als primäre Programmiersprache für die Entwicklung eines Modells zur Klassifizierung von E-Mail-Spam. Dieses Modell wurde speziell mit dem fortschrittlichen GAN-Modell (Generative Adversarial Network) entwickelt, einer bekannten Deep Learning-Technik. Anhand von praktischen Übungen und Beispielen lernen Sie die Python-Programmierung und die Feinheiten von GAN-Modellen für die Klassifizierung von E-Mail-Spam kennen.

Sie benötigen keine Voraussetzungen für die Installation oder Einrichtung von Software, da alle Aufgaben und Aktivitäten bequem innerhalb der Google Colab-Umgebung durchgeführt werden. Das bedeutet, dass Sie den Kursinhalten nahtlos folgen können, ohne dass Sie zusätzliche Software installieren oder bestimmte Einstellungen auf Ihrem lokalen Rechner konfigurieren müssen. Google Colab bietet eine benutzerfreundliche und Cloud-basierte Plattform für praktisches Lernen, die für alle Lernenden zugänglich und problemlos ist.

Während des gesamten Kurses haben wir wichtige Bibliotheken und Frameworks ausgiebig erforscht und genutzt, um Ihr Verständnis der generativen KI und ihrer Anwendungen bei der Betrugserkennung zu stärken. Zwei wichtige Frameworks, die im Detail behandelt werden, sind TensorFlow und Keras. Tensorflow, ein von Google entwickeltes Open-Source-Framework für maschinelles Lernen, bildet die Grundlage für unsere praktischen Übungen. Keras, eine High-Level-API für neuronale Netzwerke, ist nahtlos in Tensorflow integriert und bietet eine benutzerfreundliche Schnittstelle für die Erstellung und das Training von Deep-Learning-Modellen.

Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Einschreibung ab. Wenn Sie einen Kurs im Prüfungsmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung während oder nach Ihrer Prüfung erwerben. Wenn Sie die Prüfungsoption nicht sehen:

• Der Kurs bietet möglicherweise keine Prüfungsoption. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.

• Der Kurs bietet möglicherweise stattdessen die Option 'Vollständiger Kurs, kein Zertifikat'. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.

Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugang zu allen Kursmaterialien, einschließlich der benoteten Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen. Wenn Sie die Kursinhalte nur lesen und ansehen möchten, können Sie den Kurs kostenlos besuchen.

Sie haben Anspruch auf eine vollständige Rückerstattung bis zwei Wochen nach Ihrem Zahlungsdatum oder (bei Kursen, die gerade erst begonnen haben) bis zwei Wochen nach Beginn der ersten Sitzung des Kurses, je nachdem, welcher Zeitpunkt später liegt. Sie können keine Rückerstattung erhalten, sobald Sie ein Kurszertifikat erworben haben, auch wenn Sie den Kurs innerhalb der zweiwöchigen Rückerstattungsfrist abschließen. Siehe unsere vollständigen Rückerstattungsbedingungen.