Die AI for Good Specialization zeigt, wie KI Teil der Lösung sein kann, wenn es darum geht, einige der größten Herausforderungen der Welt in Bereichen wie öffentliche Gesundheit, Klimawandel und Katastrophenmanagement anzugehen.
In diesen Kursen lernen Sie von dem Dozenten Robert Monarch, der über 20 Jahre Erfahrung in der Entwicklung von KI-Produkten in der Industrie und in der Arbeit an der Schnittstelle von KI, öffentlicher Gesundheit und Katastrophenmanagement hat. Robert Monarch ist auch der Autor von Human-in-the-Loop Machine Learning, einem Buch über KI-Anwendungen, bei denen der Mensch im Mittelpunkt steht.
In den Kursen werden Sie von Experten hören, die an AI for Good-Initiativen arbeiten, die sich mit sozialen und ökologischen Problemen befassen. Durch die Kombination von menschlicher und maschineller Intelligenz, realen Datensätzen, bewährten Praktiken rund um den Datenschutz und ethischen Überlegungen werden Sie das Wissen und die grundlegenden Fähigkeiten entwickeln, um Ihre eigenen KI-for-Good-Projekte in Angriff zu nehmen.
Diese Kurse wurden in Zusammenarbeit mit Forschern des Microsoft AI for Good Lab entwickelt, die ihr Fachwissen während der Entwicklung des Programms zur Verfügung gestellt haben. Wir danken auch Sasha Luccioni, Climate Lead und Researcher bei HuggingFace, für ihre Hilfe bei der Ausarbeitung der allgemeinen Programmstruktur, bei der Festlegung der Themen und Fallstudien, die für diese Kurse am besten geeignet sind, und bei der Rekrutierung vieler Experten, die entweder in den Videos der Gastredner auftreten oder hinter den Kulissen mitgewirkt haben.
Praktisches Lernprojekt
Verwenden Sie neuronale Netze und andere KI-Techniken, um die Luftqualität in der Stadt Bogotá, Kolumbien, zu schätzen .
Entwickeln Sie ein KI-Modell, um die Erzeugung von Windenergie besser vorhersagbar zu machen , indem Sie Prognosen für 24 Stunden in die Zukunft erstellen.
Wenden Sie Computer-Vision-Techniken an, umTiere zu erkennen und zu klassifizieren, um die Artenvielfalt zu überwachen.
Erstellen Sie eine Bildklassifizierungs-Pipeline zur Schadensbewertung anhand von Satellitenbildern, die nach dem Hurrikan Harvey in den USA im Jahr 2017 aufgenommen wurden.
Verwenden Sie Techniken zur Verarbeitung natürlicher Sprache, um Trends in einem Korpus von Textnachrichten zu analysieren, die nach dem Erdbeben in Haiti 2010 verschickt wurden.
