Ziel

Der Kurs "Machine Learning mit KI" zeigt, wie AI Software Engineers Machine-Learning-Modelle in Softwareprodukte integrieren und wie ML-Kompetenzen mit modernen KI-Engineering-Methoden kombiniert werden. Diese Weiterbildung vermittelt praktische ML-Grundlagen aus der Softwareentwicklungs-Perspektive und zeigt, wie Machine Learning und Agentic AI zusammenwirken. Der Kurs richtet sich an Software Engineers, die Machine Learning praxisnah erlernen und in ihre Entwicklungsarbeit integrieren möchten.

Inhalte (Auswahl)
  • Machine Learning Grundlagen für AI Software Engineers: Konzepte und Anwendungen

  • ML-Modelle trainieren und evaluieren: ein praktischer Überblick

  • LLMs und klassisches Machine Learning: Unterschiede und Gemeinsamkeiten

  • ML-Integration in Softwareprodukte: Modelle in APIs und Anwendungen einbetten

  • Feature Engineering für Machine Learning: Daten aufbereiten und transformieren

  • MLOps: Machine-Learning-Modelle deployen und betreiben

  • AutoML und KI-gestütztes Machine Learning: schneller zu besseren Modellen

  • Agentic AI und Machine Learning: KI-Agenten mit ML-Modellen kombinieren

Arbeitsweise

Diese Fortbildung ist als praxisnahes ML-Engineering-Seminar konzipiert, in dem Teilnehmende Machine-Learning-Modelle entwickeln und in eigene Softwareprodukte integrieren. Trainer mit ML- und Software-Engineering-Erfahrung begleiten die Schulung.

Kompetenzen (Ergebnis)
  • Machine-Learning-Grundlagen als AI Software Engineer anwenden

  • ML-Modelle in Softwareprodukte integrieren und betreiben

  • MLOps-Prozesse für ML-Modelle einführen und managen

  • AutoML und KI-gestützte ML-Tools produktiv einsetzen

  • Machine Learning und Agentic AI in Softwareprojekten kombinieren

Berufsperspektiven und praktische Anwendung

AI Software Engineers mit Machine-Learning-Kompetenz sind in der gesamten Tech-Branche gefragt. Absolventen können sich für entsprechende Stellen als Rollen als ML Engineer, AI Engineer oder Senior Developer.

Zusammenfassung

Dieser Kurs vermittelt Machine Learning praxisnah für AI Software Engineers. Von ML-Grundlagen bis MLOps werden alle relevanten Technologien direkt in Softwareprojekte integriert.

Tools (Beispiele)

Python, scikit-learn, Hugging Face, FastAPI, GitHub Copilot, Claude, W&B, Docker