Python-Grundlagen für Künstliche Intelligenz und ML
  • Erforschen Sie Python-Syntax, Schleifen und Funktionen für Anwendungen in Data Science und KI
  • Nutzen Sie Bibliotheken wie Pandas, NumPy und Scikit-learn für effektive Data Science-Projekte
  • Richten Sie Jupyter Notebooks und Anaconda für Data Science-Umgebungen ein

KI-Kernkonzepte
  • Erlernen Sie die Unterschiede zwischen überwachtem, unüberwachtem und bestärkendem Lernen im Data Science-Bereich
  • Erforschen Sie Anwendungsfälle von KI in Bereichen wie Computer Vision und NLP
  • Diskutieren Sie ethische Fragen und praktische Anwendungen von KI

Maschinelles Lernen: Grundlagen
  • Differenzieren Sie zwischen Klassifizierung, Regression und Clustering für Data Science-Aufgaben
  • Lernen Sie Modelle wie Entscheidungsbäume und Zufallswälder kennen
  • Fokus auf Training, Test und Modellbewertung in der modernen Data Science

Deep Learning und neuronale Netzwerke
  • Vertiefen Sie das Verständnis von neuronalen Netzen für Data Science-Anwendungen
  • Arbeiten Sie mit TensorFlow und Keras für Deep-Learning-Modelle
  • Bringen Sie CNNs und RNNs für komplexe Data Science-Aufgaben zum Einsatz

KI-Praxisorientierte Anwendungen
  • Erforschen Sie reale KI-Anwendungsbeispiele im Gesundheitswesen und Finanzen
  • Entwickeln Sie prädiktive Modelle zur Unterstützung datenbasierter Entscheidungen
  • Beleuchten Sie die Rolle der KI innerhalb der Datenwissenschaft

Überwachtes und unüberwachtes Lernen in ML-Anwendungen
  • Implementieren Sie Regressions- und Clustering-Methoden für Data Science-Projekte
  • Untersuchen Sie K-Means und hierarchisches Clustering
  • Optimieren Sie Modelle zur Verbesserung von Data Science-Resultaten

Evaluierung und Verbesserung von Modellen
  • Nutzen Sie Kreuzvalidierung, Precision und Recall in der Data Science
  • Wenden Sie Regularisierungstechniken an, um Overfitting zu verhindern
  • Optimieren Sie Hyperparameter mit Grid Search und Randomized Search

Praktische Projekte in KI und ML
  • Arbeiten Sie an realen Datensätzen zur Entwicklung von Data-Science-Lösungen
  • Gestalten Sie Vorhersagemodelle für diverse Branchen und Anwendungen
  • Erstellen Sie komplette Data Science-Pipelines mit KI- und ML-Techniken