Als AI Engineer bist du für die Entwicklung, aber auch das Training von Algorithmen, die hinter der Künstlichen Intelligenz stehen, zuständig und verknüpfst hierbei Fachwissen aus unterschiedlichen Bereichen, wie der Programmierung sowie dem Umgang mit Daten. Daher bietet der Kurs einen umfassenden Überblick über die Zusammenführung, Aufbereitung und Weitergabe von Daten und legt einen starken Fokus auf das Machine Learning. Hier werden die Anwendungsgebiete, Kategorien und Konzepte des Machine Learnings vorgestellt und die Methoden des Deep Learnings, basierend auf neuronalen Netzen, detailliert behandelt. Zusätzlich wird mit dem Reinforcement Learning eine der drei Haupttechniken des maschinellen Lernens vermittelt, in der Software durch den direkten Austausch mit ihrer Umwelt in Form von Versuch und Irrtum trainiert wird, optimale Ergebnisse zu erzielen.
- Grundlagen Business Intelligence, Data Engineering
- Anforderungsmanagement Data Engineer
- Künstliche Intelligenz (KI) im Arbeitsprozess
- Datenbanken
- Data Warehouse
- ETL
- Projektarbeit Data Engineer
- Einführung in Machine Learning
- Überwachtes Lernen
- Unüberwachtes Lernen
- Evaluierung und Verbesserung
- Projektarbeit Machine Learning
- Machine Learning: Deep Learning
- Grundlagen in neuronalen Netzen
- Convolutional Neural Network (CNN)
- Transfer Learning
- Regional CNN
- Methoden der kreativen Bilderzeugung
- Recurrente neurale Netze
- Textverarbeitung durch neuronale Netze
- Sprachmodelle
- Deep Reinforcement Learning
- Bayes'sche neuronale Netze
- Projektarbeit Deep Learning
- Machine Learning: Reinforcement Learning
- Markov Decision Processes (MDPs)
- Q-Learning
- Deep Reinforcement Learning
- Fortgeschrittene Themen
- Praktische Anwendungen
- Zusammenfassung und Ausblick
- Projektarbeit Reinforcement Learning
Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.