- Verortung von AI Engineering innerhalb von Maschinellem Lernen und Data Science
- Verständnis von Künstlicher Intelligenz, neuronalen Netzen und automatisierten Entscheidungen
- Einsatzgebiete von KI in der Wirtschaft, Industrie und im Alltag
- Unterscheidung zwischen KI, AI und traditionellen Programmieransätzen
Python & Softwareentwicklung für Künstliche Intelligenz
- Robuster Python-Code für Data Science- und KI-Projekte entwickeln
- Nutzung von Git, GitHub und Objektorientierung für strukturierte Softwareentwicklung
- Arbeiten mit der Unix-Kommandozeile und effizientes Datenhandling
- Deployment von KI-Lösungen mit Docker und Cloud-Technologien
Explorative Datenanalyse (EDA) für AI Intelligence Projekte
- Datenaufbereitung und -transformation mit Pandas für AI-Prozesse
- Datenvisualisierung mit Seaborn & Matplotlib zur Mustererkennung
- Effiziente SQL-Abfragen zur Analyse strukturierter Daten
- EDA-Projekt zur Gewinnung strategischer Erkenntnisse aus Unternehmensdaten
Modelle und Maschinelles Lernen
- Überwachtes Lernen: Regression, Klassifikation, Entscheidungsbäume, SVM
- Modellevaluierung mit Accuracy, Precision, Recall, F1-Score
- Ensemble-Techniken mit Random Forest und Gradient Boosting
- AI-Modelltraining mit Scikit-Learn für branchenspezifische Anwendungen
Neural Networks & Generative AI
- Grundlagen von neuronalen Netzen, CNNs und Backpropagation
- Anwendungen in der Bild-, Text- und Sprachverarbeitung
- Prompt Engineering und Basics der Generative AI
- NLP-Strategien und Überblick über RAG & Transformer Systeme
Statistische Prinzipien für Künstliche Intelligenz
- Inferenzstatistik als Basis für Data Science und AI
- Verständnis von Wahrscheinlichkeiten, Verteilungen und Konfidenzintervallen
- Hypothesentests zur Bewertung von KI-Ergebnissen
- Statistische Analyse für AI-Projektentscheidungen
Moderne Machine Learning Anwendungen & Praktiken im AI Engineering
- Komplettes Deployment von AI-Modellen
- Modellüberwachung, Drift-Erkennung und CI/CD Prozesse
- Nutzen von Werkzeugen wie Prometheus, Grafana und automatisiertes Frühwarntraining
- KI Engineering-Projekt zur Entwicklung marktreifer AI-Anwendungen