Machine Learning + Neuronale Netze + Künstliche Intelligenz + Python

Die Weiterbildung bietet umfassende Einblicke in die datengetriebene Analyse mithilfe von maschinellem Lernen. Teilnehmer lernen, neuronale Netze zu verstehen und künstliche Intelligenz in verschiedenen Kontexten anzuwenden. Es wird besonderer Wert auf die praktische Anwendung in Python gelegt.

Modul 1: Machine Learning in datengetriebenen Analyseprozessen
Modul 2: Neuronale Netze in datengetriebenen Analysemodellen
Modul 3: Künstliche Intelligenz verstehen und anwenden
Modul 4: Analysemodelle mit Machine Learning und Python
Modul 5: Datenimport und Modellbildung in Analyseumgebungen

Machine Learning in datengetriebenen Analyseprozessen
  • Grundlagen des maschinellen Lernens: Modellbildung mit Machine Learning für Prognosen, Klassifikation und Datenanalyse.
  • ML in Python und Big Data: Anwendung von Machine Learning in Python zur Verarbeitung großer Datenmengen und Datenvisualisierung.
  • Verfahren und Konzepte: Supervised Learning, neuronale Netze und datengestützte Auswertung mittels Big Data Analyse.
  • Systemintegration und Tools: Einsatz von Power BI Skript, KI-Automatisierung und Anbindung über MS Power Automate.

Neuronale Netze in datengetriebenen Analysemodellen
  • Netzarchitekturen verstehen: Aufbau neuronaler Netze mit Schichten, Aktivierungsfunktionen und lernenden Strukturen im ML-Kontext.
  • Datenbasierte Anwendung: Einsatz in Datenanalyse, Prognosemodellen und Big-Data-Auswertung mit Machine Learning in Python.
  • Python Frameworks im Einsatz: Modellierung, Training und Evaluation mit Scikit-learn und TensorFlow in KI-gestützten Projekten.
  • Systemintegration: Nutzung von Power BI Skript, MS Power Automate und KI-Automatisierung zur Prozesssteuerung.

Künstliche Intelligenz verstehen und anwenden
  • Digitale Transformation und KI: Bedeutung für die Arbeitswelt, Automatisierung von Abläufen und neue Strukturen im Büroalltag.
  • Verfahren des maschinellen Lernens: Klassifikation, Clustering, Regression, neuronale Netze und Low-Code Machine Learning Tools.
  • KI-Werkzeuge im Büro: Anbieterüberblick, Integration in Systeme, Microsoft Copilot, Risiken und rechtliche Rahmenbedingungen.
  • Prompting-Strategien anwenden: Grundlagen von LLM Prompting, GPT Prompting, Prompting Kursen und Einsatz im Büroalltag.

Analysemodelle mit Machine Learning und Python
  • Grundlagen des Machine Learning: Anwendung datenbasierter Lernmodelle mit Python Programmierung und Pandas.
  • Modellentwicklung mit Scikit-learn: Erstellung, Training und Validierung datengetriebener Modelle für Big Data Sets.
  • Visualisierung und Interpretation: Nutzung von Data Visualization Tools und Visualisierung Big Data für analytische Auswertung.
  • Einsatz in Power BI: Integration von ML-Skripten über Python Power BI und REST API zur Datenverarbeitung im Analysekontext.

Datenimport und Modellbildung in Analyseumgebungen
  • Datenquellen erschließen: Import strukturierter Datenquellen zur Vorbereitung statistischer und analytischer Auswertungen.
  • Modellierung von Datenstrukturen: Entwicklung logischer Datenmodelle für Business Analytics und Big Data Analyseverfahren.
  • Power BI Dataflows: Nutzung von Power BI zur Anbindung externer Datenquellen und Erstellung modellbasierter Datenanalysen.
  • Anwendung in der Analyse: Datenmodellierung für Pivot-Tabellen, Visualisierung und Statistik im Analysekontext.

Im Anschluss an die Weiterbildung können die Teilnehmenden datenbasierte Modelle entwickeln und integrieren, indem sie Python und relevante Tools in Analyseprozessen einsetzen.