Grundlegendes zu KI und Datenwissenschaft
- Verständnis von KI, künstlicher Intelligenz in Verbindung mit Data Science
- Einblick in KI-Anwendungen innerhalb moderner Data Science workflow
- Datenwissenschafts-Lebenszyklus und Integration in AI-Systeme
- Modul für Weiterbildung in Grundlagen von AI und Data Science
Python-Programmierung für künstliche Intelligenz
- Erstellung von Python-Code für KI und Data Science
- Nutzung von Unix-Shell-Befehlen zur Entwicklung von AI-Projekten
- Einsatz von Git und GitHub für AI- und Datenwissenschafts-Kollaboration
- Weiterbildung in Programmiertools für AI und Datentechniken
Verarbeitung und Analyse von Daten in AI
- Nutzung von Pandas und NumPy für die Datenvorbereitung in AI
- SQL zur Datenextraktion in AI-Anwendungsfällen
- Erstellung von visuellen Datenberichten für AI-Entscheidungen
- Fokus auf EDA und Datenethik für AI-Modellbildung
Maschinelles Lernen für AI
- Entwurf von Regressions- und Klassifikationsmodellen für AI und Data Science
- Leistungsbewertung von AI-Modellen in Anwendungen
- Regularisierung und Optimierung bei AI-Modellentwicklung
- Weiterbildung in überwachten AI-Lernmethoden
Fortgeschrittene AI und tiefes Lernen
- Entwicklung von neuronalen Netzen für AI-Anwendungen
- Implementierung von CNNs und Transferlernen in AI
- Einbindung von NLP in Data Science und AI
- Training in TensorFlow, Keras und fortschrittliche AI-Tools
Praktische Arbeit in Data Science und AI
- Gruppenprojekte in AI als Teil der Data Science Weiterbildung
- Anwendung agiler Methoden für Künstliche Intelligenz-Projekte
- Durchführung von AI-Projekten mit vollständigem Zyklus von Datenexploration bis Modellbereitstellung
- Durchführung von Abschlusspräsentationen und AI-Lösungsbewertungen