In Form von Anwendungen wie „Siri“ zur Sprachsteuerung von iPhones, in selbst-fahrenden Autos oder in großen Sprachmodellen wie „ChatGPT“ (www.openai.com), haben die aktuellen Methoden der künstlichen Intelligenz (bzw. des maschinellen Lernens) bereits Einzug in unseren Alltag gehalten. Darüber hinaus sind diese Methoden ein zentraler Bestandteil der Forschung in den Lebens- und Naturwissenschaften und werden in Form des maschinellen Lernens schon seit Jahrzehnten angewendet. So verändern zum Beispiel in der medizinischen Chemie, bzw. der computergestützten Wirkstoffforschung, oder auch in der organischen Chemie, die aktuellen Entwicklungen die Art wie Wirkstoffe/Verbingungen entwickelt werden.
Daher ist es eminent wichtig, sich mit den Methoden der künstlichen Intelligenz vertraut zu machen und sich damit auf zukünftige Aufgaben bzw. Herausforderungen vorzubereiten. Auch wenn KI noch nicht unbedingt zentraler Bestandteil der Lehre ist, wird es somit zukünftig unverzichtbar sein, ein Verständnis für KI zu entwickeln. Dies betrifft nicht nur den wissenschaftlichen, sondern auch den gesellschaftlichen Aspekt, um auch die Ängste in der Gesellschaft gegenüber der KI durch besseres Verständnis zu vermindern. Dies wird besonders durch den Aspekt deutlich, dass die Entwicklung dieser Vorlesung durch die Apothekerstiftung Westfalen-Lippe gefördert wurde, um auch den zukünftigen Apothekern ein notwendiges Grundwissen zu vermitteln. Die Vorlesung richtet sich aber auch an Studierende der Master Chemie und Arzneimittelwissenschaften.
Neben den Vorlesung gibt es praktische Übungen, die mit Hilfe von Jupyter Notebooks bearbeitet werden. Diese Jupyter Notebooks sind eine spezielle Form des E-Learning, das es Ihnen erlaubt, sich mit der Thematik der künstlichen Intelligenz selbständig auseinander zu setzen. Die Notebooks werden dann jeweils nach Ablauf einer Woche in der praktischen Übung im Detail besprochen.
Grundsätzlich haben Sie jeden Freitag eine Stunde Vorlesung gefolgt von einer Stunde, in der die praktischen Übungen in Form der Jupyter Notebooks der vergangenen Woche besprochen weden. In der ersten praktischen Übung (11.10.24) wird nur die Benutzung von Jupyter Notebooks erklärt. Ab dieser Woche wird von Ihnen erwartet, dass Sie selbstständig die Notebooks der kommenden Woche durchgehen. Zum Beispiel: Das Notebook "Einführung Python" wird am 18.10.24 besprochen, Sie sollten diese Notebook bis dahin also durchgearbeitet haben.
Woche | Vorlesung | Praktische Übungen |
|---|---|---|
01 - 11.10.24 | Einführung Künstliche Intelligenz | Installation - Basic Jupyter Notebook |
02 - 18.10.24 | Einführung Chemieinformatik | Einführung Python |
03 - 25.10.24 | Lineare Regression | Einführung Chemieinformatik |
04 - 08.11.24 | Data Science - SVM/RF | Einführung Statistik |
05 - 15.11.24 | Neuronales Netzwerk Teil 1 | Allgemeine Data Science |
06 - 22.11.24 | Neuronales Netzwerk Teil 2 | Lineare Algebra für NNs |
07 - 29.11.24 | Advanced Neural Networks | Einfaches Neuronales Netz |
08 - 06.12.24 | Convolutional Neural Networks Teil 1 | Neuronales Netz mit Pytorch |
09 - 13.12.24 | Convolutional Neural Networks Teil 2 | CNN - MNIST |
10 - 20.12.24 | Recurrent Neural Networks | CNN - Transfer Learning |
11 - 10.01.25 | SOMs und Autoencoders | RNN - SMILES |
12 - 17.01.25 | Graph Neuronale Netzwerke | Autoencoder |
13 - 24.01.25 | Externer Vortrag | |
14 - 31.01.25 | Aktuelle Anwendungen | Eigene Arbeit |