- Was ist KI (Künstliche Intelligenz) und wie wird sie in Unternehmen produktiv genutzt
- Überblick über AI Engineering und den Lebenszyklus intelligenter Systeme
- Abgrenzung von KI, Data Science und Machine Learning im AI Engineering Kontext
- Grundlagen automatisierter Entscheidungen und datengetriebener Prozesse in der KI-Entwicklung
Softwareentwicklung für KI-Anwendungen
- Python-Programmierung für KI: Datenstrukturen, Schleifen, Funktionen und Fehlerbehandlung
- Versionierung mit Git & GitHub für kollaborative AI Engineering Projekte
- Einführung in objektorientierte Programmierung - essenziell für skalierbare KI-Systeme
- Nutzung der Unix-Shell zur Automatisierung von Workflows in der AI Engineering Umgebung
Data Science Basics & Datenanalyse in KI-Projekten
- Explorative Datenanalyse (EDA) mit Pandas und SQL für KI-Vorbereitung
- Datenbereinigung und Feature Engineering für robustes AI Engineering
- Visualisierung mit Matplotlib und Seaborn - zentrale Tools in der KI-Analyse
- EDA-Miniprojekt als praktischer Einstieg in datengetriebenes KI-Denken
Statistik & Machine Learning für AI Engineering
- Grundlagen von Regression, Klassifikation und Modellbewertung für KI-Systeme
- Trainings-/Test-Splitting, Overfitting und Underfitting im AI Engineering Prozess
- Performance-Metriken wie Accuracy, Precision, Recall und F1 Score im KI-Kontext
- Praktische Machine Learning Modellierung mit Scikit-Learn für KI-Anwendungen
Deep Learning & moderne KI-Ansätze
- Einführung in neuronale Netze - essenzieller Bestandteil moderner AI Engineering Systeme
- Kurzeinstieg in NLP und Zeitreihenanalyse für KI-basierte Anwendungen
- Grundlagen des Prompt Engineering für Generative KI
- Verständnis von Recommender Systemen und Clustering im Rahmen von KI-Lösungen
Von Daten zur einsatzfähigen KI
- End-to-End Verständnis: Von Datenquellen bis zum fertigen KI-Produkt
- Bau von einfachen Data Pipelines im AI Engineering Kontext
- Einblick in Produktentwicklung und Deployment im Bereich KI
- Verwendung von Cloud-Tools zur Umsetzung produktionsreifer KI-Systeme
Capstone-Miniprojekt im KI-Umfeld
- Bearbeitung eines realistischen Use Cases im Bereich KI und AI Engineering
- Durchführung aller Schritte: Daten beschaffen, verarbeiten, analysieren, Modell entwickeln
- Abschlusspräsentation und Bewertung durch Stakeholder - Best Practices im KI-Projektmanagement
- Teamarbeit und agile Methoden zur Simulation echter AI Engineering Projekte
Der Kurs behandelt die Grundlagen von KI, AI Engineering und den Einsatz von Python für KI-Anwendungen zur Automatisierung von Workflows.