- Basiswissen über Künstliche Intelligenz und AI Engineering
- Abgrenzung von traditioneller Software und KI Engineering Prozessen
- Übersicht über Künstliche Intelligenz in Branchen wie Wirtschaft und Medizin
- Einstieg in Datenprozessierung und Modellentwicklung in AI Engineering
Python für AI und KI Anwendungen
- Python-Grundlagen für Künstliche Intelligenz Aufgaben
- Nutzung von Pandas in AI Engineering zur Datenanalyse
- Git & GitHub für kollaborative Entwicklungsprojekte in KI Engineering
- Einfache Prozessautomatisierung mit Unix-Shell in AI Engineering
Datenverarbeitung und Analyse für KI Engineering
- Datenvorbereitung und -bearbeitung mit Pandas und SQL
- Visualisierungstechniken mit Werkzeugen wie Seaborn für AI Engineering
- Explorative Datenanalyse für AI Engineering Hypothesen
- Entwicklung von Datenverständnis zur Optimierung von KI-Anwendungen
Einführung in Maschinelles Lernen für AI Engineering
- Regressionsmethoden wie Lineare Regression für Künstliche Intelligenz
- Verfahren zur Modellbewertung in Künstliche Intelligenz Anwendungen
- Scikit-Learn für die Erstellung einfacher AI Engineering Modelle
- Praktisches Machine Learning Use Case fokussiert auf Künstliche Intelligenz
Erklärung von Künstliche Intelligenz Methoden
- Einführung in Neuronale Netze und Deep Learning
- K-Means und Dimensionsreduktionstechniken in Künstliche Intelligenz
- Anwendung von Recommender-Systemen in realen KI Szenarien
- Moderne KI Konzepte: Prompt Engineering und Generative AI
Statistische Prinzipien in AI Engineering
- Grundlagen der Statistik für KI Engineering Anwendungen
- Hypothesentests zur Evaluierung von Künstliche Intelligenz Modellen
- Verwendung statistischer Inferenz in AI Engineering
- Kombination von Statistik und Machine Learning für KI-Projekte
Von Entwicklungen zu funktionalen KI-Anwendungen
- Verwendung von Docker zur Containerisierung im KI Engineering
- Modellbereitstellung über APIs in Künstliche Intelligenz Systemen
- Überwachung und Erkennung von Modellabweichungen
- Nutzung von Streamlit für einfache KI-Modell-Darstellungen
Praxisprojekt: Realisierung einer AI Engineering Lösung
- Vom Datenanalyseprozess bis zur finalen Präsentation im KI Engineering
- Kollaborative Teamarbeit in AI Engineering Projekten
- Effektive Präsentation von Ergebnissen aus Künstlicher Intelligenz
- Anwendung erworbener Techniken und Tools im AI Engineering Umfeld