KI-Engineering-Grundlagen für Quereinsteiger
  • Kernprinzipien des KI-Engineerings für Quereinsteiger, die in die Technik einsteigen
  • Reale Anwendungen von Künstlicher Intelligenz in Wirtschaft und Industrie
  • Schlüsselwerkzeuge und Arbeitsabläufe im KI-Engineering für Quereinsteiger
  • Praktische Orientierung für Nicht-Techniker, die in die KI einsteigen
Programmierung und Software-Engineering für Künstliche Intelligenz
  • Python-Grundlagen für Quereinsteiger: Funktionen, Schleifen, Datenstrukturen
  • Versionskontrolle mit Git & GitHub für kollaboratives KI-Engineering
  • Verwendung von Shell-Befehlen zur Automatisierung datenwissenschaftlicher Aufgaben
  • Objektorientierte Programmierung zur Strukturierung von KI-Engineering-Projekten
Explorative Datenanalyse & SQL für KI-Engineering
  • Bereinigung und Transformation von Daten mit Pandas für Anwendungen der Künstlichen Intelligenz
  • Schreiben von SQL-Abfragen für den Zugriff auf und die Analyse von Daten für Machine-Learning-Workflows
  • Erstellen von Visualisierungen mit Seaborn und Matplotlib für Data Storytelling
  • Mini-Projekt zur Vorbereitung von Quereinsteigern auf reale KI-Engineering-Szenarien
Maschinelles Lernen für Quereinsteiger
  • Einführung in Regressions- und Klassifizierungsmodelle im KI-Engineering
  • Verwendung von Ensemble-Methoden wie Random Forest und Boosting in Pipelines für Künstliche Intelligenz
  • Modellbewertungstechniken: Genauigkeit, Präzision, Recall und F1-Score
  • Praktisches Projekt zum maschinellen Lernen für Quereinsteiger
Deep Learning & Neuronale Netze
  • Grundlagen künstlicher neuronaler Netze für KI-Engineering für Quereinsteiger
  • Bildverarbeitung mit CNNs und Einführung in NLP-Konzepte
  • Reduzierung der Dimensionalität und Clustering-Techniken in Workflows der Künstlichen Intelligenz
  • Einsatz von unüberwachtem Lernen für Erkenntnisse aus der Praxis
AI Engineering für Quereinsteiger: Bereitstellung und MLOps
  • Erstellung und Bereitstellung von KI-Modellen mit Docker und APIs
  • Einrichtung von CI/CD-Workflows im AI Engineering für die kontinuierliche Bereitstellung
  • Modellüberwachung und Drift-Erkennung mit Prometheus und Grafana
  • Best Practices in MLOps für nachhaltige KI-Engineering-Produkte
Capstone: Real-World AI Engineering für Quereinsteiger
  • Entwicklung eines vollständigen KI-Produkts als Quereinsteiger in einem Teamprojekt
  • Implementierung des KI-Engineering-Lebenszyklus von der Datenbeschaffung bis zur Modellbereitstellung
  • Präsentation von Lösungen und Überwachung der Modellleistung mithilfe von MLOps-Tools
  • Anwendung von durchgängigem Wissen über Künstliche Intelligenz in einem professionellen Umfeld

Das Programm fokussiert auf die Anwendung von Künstlicher Intelligenz und maschinellem Lernen für Quereinsteiger im Bereich AI Engineering.